添加新文章
MQL5 中的矩阵和向量
MQL5 中的矩阵和向量
运用特殊的数据类型“矩阵”和“向量”，可以创建非常贴合数学符号本意的代码。 运用这些方法，您可以避免创建嵌套循环，或在计算中分心记忆正确的数组索引。 因此，矩阵和向量方法的运用能为开发复杂程序提高可靠性和速度。
在 MQL5 中使用 AutoIt
在 MQL5 中使用 AutoIt
简述。 在本文中，我们将探索采用 MetraTrader 5 终端里以集成的 MQL5 编写 AutoIt 脚本。 在其中，我们将覆盖如何操纵终端的用户界面来自动完成各种任务，并介绍一个采用 AutoItX 库的类。
固化价格动作止损或固化 RSI（智能止损）
固化价格动作止损或固化 RSI（智能止损）
在交易中，止损是资金管理采用的主要工具。 有效利用止损、获利回吐和成交量可以使交易者在交易中更加一致，总体上更加有利可图。 尽管止损是一个极好的工具，但在运用中也会遇到一些挑战。 最主要的是止损猎杀（stop-loss hunt）。 本文展望如何降低交易中的猎杀，并与经典的止损用例进行比较，从而判定其盈利能力。
开发 EA 构造函数的一次尝试
开发 EA 构造函数的一次尝试
在本文中，我把自己的一套交易函数以成品 EA 的形式提供给大家。 这种方法能够通过简单地添加指标和改变输入来获得多种交易策略。
实用且奇特的自动交易技术
实用且奇特的自动交易技术
在本文中，我将演示一些非常有趣且实用的自动交易技术。 其中一些可能您很熟悉。 我将尝试覆盖最有趣的方法，并解释为什么它们值得使用。 此外，我将展示这些技术在实战中的适用性。 我们将创建智能交易系统，并依据历史报价来测试全部所述技术。
神经网络变得轻松（第十一部分）：自 GPT 获取
神经网络变得轻松（第十一部分）：自 GPT 获取
也许，GPT-3 是目前已有语言类神经网络中最先进的模型之一，它的最大变体可包含 1750 亿个参数。 当然，我们不打算在家用 PC 上创建如此庞然之物。 然而，我们可以看看在我们的操作中能够采用哪种体系解决方案，以及如何从中受益。
神经网络变得轻松（第八部分）：关注机制
神经网络变得轻松（第八部分）：关注机制
在之前的文章中，我们已经测试了组织规划神经网络的各种选项。 我们还研究了自图像处理算法中借鉴而来的卷积网络。 在本文中，我建议研究关注机制，它的出现为开发语言模型提供了动力。
MetaTrader 5 中的 WebSockets
MetaTrader 5 中的 WebSockets
在引入随 MQL5 API 更新而提供的网络功能之前，MetaTrader 程序与基于 WebSocket 的服务连接和接口的能力受到许多限制。当然，这一切都改变了，在本文中，我们将探讨纯 MQL5 中 WebSocket 库的实现。WebSocket 协议的简要描述将与如何使用生成的库的逐步指南一起给出。
神经网络变得轻松（第七部分）：自适应优化方法
神经网络变得轻松（第七部分）：自适应优化方法
在之前的文章中，我们利用随机梯度下降法针对网络中的所有神经元按照相同的学习率训练神经网络。 在本文中，我提议着眼于自适应学习方法，该方法能够改变每个神经元的学习率。 我们还将研究这种方法的利弊。
市场及其全局模式中的物理学
市场及其全局模式中的物理学
在本文中，我将尝试测试这样一个假设，即任何对市场了解甚微的系统都可以在全局范围内运行。我不会发明任何理论或模式，但我只会使用已知的事实，逐步将这些事实转化为数学分析的语言。
无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法
无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此，我希望这篇文章能为广大读者提供一个很好的指导，帮助那些对评估机器学习能力感兴趣的人，并在他们的课程中实现这些能力。
手工图表和交易工具包（第二部分）。 图表图形绘图工具
手工图表和交易工具包（第二部分）。 图表图形绘图工具
这是该系列的下一篇文章，在其中我展示了如何创建一个函数库来，从而看便利地用键盘快捷键手动绘制图表图形。 所用工具包括直线及其组合。 在这一部分中，我们将查看如何在绘图工具里应用第一部分中讲述的函数。 该函数库可连接到任何 EA 或指标，这将大大简化绘图任务。 此方案未使用外部 dll，而所有命令都是由内置 MQL 工具实现的。
神经网络变得轻松（第六部分）：神经网络学习率实验
神经网络变得轻松（第六部分）：神经网络学习率实验
我们之前已研究过各种类型的神经网络及其实现。 在所有情况下，训练神经网络时都使用梯度下降法，为此我们需要选择学习率。 在本文中，我打算通过示例展示正确选择学习率的重要性，及其对神经网络训练的影响。
开发和分析交易系统的最佳方法
开发和分析交易系统的最佳方法
在这篇文章中，我将展示在选择一个系统或信号来投资你的资金时所使用的标准，以及描述开发交易系统的最佳方法，并强调这个问题在外汇交易中的重要性。
神经网络变得轻松（第四部分）：循环网络
神经网络变得轻松（第四部分）：循环网络
我们继续研究神经网络的世界。 在本文中，我们将研究另一种类型的神经网络，循环网络。 此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。
连续前行优化 (第八部分): 程序改进和修复
连续前行优化 (第八部分): 程序改进和修复
根据本系列文章的用户和读者的评论和要求，程序已进行了修改。 本文包含一个自动优化器的新版本。 该版本实现了所需的功能，并提供了其他改进，这些是我运用该程序操作时发现的。
用于交易事件和信号的语音通知系统
用于交易事件和信号的语音通知系统
现如今，语音助手在人类生活中起着举足轻重的作用，因为我们会经常使用导航、语音搜索和翻译。 在本文中，我将尝试为各种交易事件、市场状态、或由交易信号生成的信号开发一个简单，且用户友好的语音通知系统。
无需 DLL 的原生 MT4/MT5 推特(Twitter)客户端
无需 DLL 的原生 MT4/MT5 推特(Twitter)客户端
是否曾想访问推文和/或在推特（Twitter）上发布您的交易信号？ 无需更多搜索，这些持续更新的系列文章将为您展示如何无需任何 DLL 的情况下进行操作。 畅想 MQL 实现 Twitter API 的旅程。 在第一部分中，我们将在访问 Twitter API 时遵循身份验证和授权的荣耀之路。
开发跨平台网格 EA：测试多币种 EA
开发跨平台网格 EA：测试多币种 EA
行情在一个月内下跌了 30％ 以上。 这似乎是测试基于网格和马丁格尔的智能交易系统的最佳时间。 本文是“创建跨平台网格 EA”系列的计划外延续。 当前行情为安排网格 EA 提供了疏解压力的机会。 因此，我们要把握这次机会，并测试我们的智能交易系统。
如何在 MetaTrader 5 中利用 DirectX 创建 3D 图形
如何在 MetaTrader 5 中利用 DirectX 创建 3D 图形
3D 图形为大数据分析提供了完美的方案，它可以直观透视隐藏的形态。 这些任务能以 MQL5 直接解决，而 DireсtX 函数允许创建三维物体。 故其能够为 MetaTrader 5 创建任意复杂度的程序，甚至 3D 游戏。 学习 3D 图形，从绘制简单的三维形状开始。
MQL5 酷宝书：利用自定义品种进行交易策略压力测试
MQL5 酷宝书：利用自定义品种进行交易策略压力测试
本文研究一种利用自定义品种进行交易策略压力测试的方法。 为此目的，将创建一个自定义品种类。 此类用于接收源自第三方的报价数据，以及更改品种属性。 根据所完成操作的结果，我们将研究若干选项，并在这些选项下测试交易策略。
优化管理(第二部分)：创建按键对象和附加逻辑
优化管理(第二部分)：创建按键对象和附加逻辑
这篇文章是之前发表的关于创建优化管理图形界面的延续,本文探讨了附加组件的逻辑,将为 MetaTrader 5 终端创建一个包装器：它将使附加组件通过C#作为一个托管进程运行。此外，本文还探讨了对配置文件和安装文件的操作。应用逻辑分为两部分：第一部分描述了按下特定按键后调用的方法，第二部分描述了优化启动和管理。
优化管理 (第一部分): 创建一个GUI(图形用户界面)
优化管理 (第一部分): 创建一个GUI(图形用户界面)
本文描述了为MetaTrader终端创建扩展的过程，所讨论的解决方案有助于通过在其他终端中运行优化来自动化优化过程。关于这个话题，我们将再写几篇文章。扩展是使用C#语言和设计模式开发的，它还展示了通过开发自定义模块扩展终端功能的能力，以及使用首选程序的功能创建自定义图形用户界面的能力。
价格速度测量方法
价格速度测量方法
市场研究和分析有多种不同的方法，主要是技术分析和基础分析。在技术分析中，交易者收集、处理和分析与市场有关的数字数据和参数，包括价格、数量等。在基本面分析中，交易者分析直接或间接影响市场的事件和新闻。本文研究了价格-速度测量方法，并在此基础上研究了交易策略。