EA 交易 | 算法交易文章

在本文中，我们继续开发构建 ARIMA 模型的 CArima 类，添加支持预测的直观方法。

利用 MQL5 的交互式 GUI 改进您的交易图表（第一部分）：可移动 GUI（I）

凭借我们的利用 MQL5 创建可移动 GUI 的综合指南，令您的交易策略或实用程序焕发出呈现动态数据的力量。深入了解图表事件的核心概念，并学习如何在同一图表上设计和实现简单、多个可移动的 GUI。本文还探讨了往 GUI 上添加元素的过程，从而增强其功能和美观性。

在本文中，我们将见识到如何制定一个品质得分，并由您的智能系统从策略测试器返回。我们将查看两种著名的计算方法 — Van Tharp 和 Sunny Harris。

在没有明确奖励函数的情况下，实用的训练技能就是分层强化学习的主要挑战之一。以前，我们已领略了解决此问题的两种算法。但环境研究的完整性问题仍然悬而未决。本文演示了一种不同的技能训练方式，其可取决于系统的当前状态直接使用。

有许多技术工具可用于可视化围绕价格的通道，其中一种工具是唐奇安（Donchian）通道指标。在本文中，我们将学习如何创建唐奇安（Donchian）通道指标，以及如何在 EA 中将其作为自定义指标进行交易。

在上一篇文章中，我们讲解了 DIAYN 方法，它提供了学习各种技能的算法。获得的技能可用在各种任务。但这些技能可能非常难以预测，而这可能令它们难以运用。在本文中，我们要研究一种针对学习可预测技能的算法。

强化学习的问题在于需要定义奖励函数。它可能很复杂，或难以形式化。为了定解这个问题，我们正在探索一些基于行动和基于环境的方式，无需明确的奖励函数即可学习技能。

在强化学习的背景下，模型拖延症可能由多种原因引起。本文研究了模型拖延症的一些可能原因，以及克服它们的方法。

本文讨论 Go-Explore 算法覆盖长周期训练的运用，因为随着训练时间的增加，随机动作选择策略也许不会导致可盈利验算。

我们继续在强化学习模型中研究环境。在本文中，我们将见识到另一种算法 — Go-Explore，它允许您在模型训练阶段有效地探索环境。

这是一篇关于如何创建自定义指标的新文章。这一次，我们将与真实强度指数（TSI）共事，并基于它创建一个智能系统。

在本文中，我们将创建一个模拟多币种定价的数学模型，并针对多元化原理进行彻底研究，作为搜索提高交易效率机制的一部分，我在上一篇文章中已经开始了理论计算。

本文是以 MQL5 实现范畴论系列的延续。本期，我们引入幺半群作为域（集合），通过包含规则和幺元，将范畴论自其它数据分类方法分离开来。

您应该知道的 MQL5 向导技术（第 06 部分）：傅里叶（Fourier）变换

约瑟夫·傅里叶（Joseph Fourier）引入的傅里叶变换是将复杂的数据波分解构为简单分量波的一种方法。此功能对交易者来说可能更机敏，本文将对此进行关注。

强化学习中的一个关键问题是环境探索。之前，我们已经见识到基于内在好奇心的研究方法。今天我提议看看另一种算法：凭借分歧进行探索。

在本文中，我们将提供一种通过 MQL5 自动检测价格行为形态的方法，如趋势（上行趋势、下行趋势、横盘整理）、图表形态（双顶、双底）。

本文探讨在莫斯科交易所（MOEX）里基于破位挂单的网格交易方法如何在 MQL5 智能系统中实现。在市场上进行交易时，最简单的策略之一是设计“捕捉”市场价格的订单网格。

在上一篇文章中，我们讨论了在其架构中使用关注度机制的关系模型。这些模型的具体特征之一是计算资源的密集功用。在本文中，我们将研究于自我关注度模块内减少计算操作数量的机制之一。这将提高模型的常规性能。

在本文中，我们将使用复购算法来更深入地了解交易系统的效率，并开始研究使用数学和逻辑提高交易效率的一般原则，以及在使用任意交易系统方面应用更能提高效率的非标准方法。

本文会从一种理论性交易概念的构想，到编制一个在经验世界中实现这一概念的 MQL5 EA 交易，为您讲解如何从头建立一个面向对象的 EA 交易。依本人看，边做边学是取得成功的一种可靠方法。所以，我会拿出一个实用的例子，让您明白如何才能整理自己的想法，并最终完成外汇自动交易代码。和您一起遵守“面向对象”原则，也是我的目标之一。

本文提供了一个的示例，运用感知器作为自给自足的价格预测工具，展示其一般概念和最简单的已制备智能系统，然后是其优化结果。

神经网络是交易者工具包中的终极工具。我们来检查一下这个假设是否成立。在交易中运用神经网络，MetaTrader 5 是最接近自给自足的媒介。为此提供了一个简单的解释。

在本文中，我将研究一个简单的模板，用来创建通用的 MetaTrader 机器人，该机器人可以在多个图表上使用，同时仅附加到一个图表，无需在每个单独的图表上为每个机器人实例进行配置。

基于元柱线的指标比之传统指标，能检测到的蜡烛更多。我们来检查一下这能否在自动交易中提供真正的益处。

一篇新文章，介绍如何通过 MQL5 自动检测价格的烛条形态。

范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL5 社区中还相对难以发现。这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，提供洞察力，同时希望在交易者的策略开发中进一步运用这一非凡的领域。

数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路

您是否正在寻找一种可以帮助您驾驭复杂且不断变化的市场的尖端交易方法？ Kohonen 映射是一种创新的人工神经网络形式，可以帮助您发现市场数据中隐藏的形态和趋势。在本文中，我们将探讨 Kohonen 映射的工作原理，以及如何运用它们来开发更智能、更有效的交易策略。无论您是经验丰富的交易者，还是刚刚起步，您都不想错过这种令人兴奋的新交易方式。

在本文中，我们将继续如何基于最流行的技术指标创建交易系统的系列文章。这次一个新的技术工具，即斐波那契（Fibonacci），我们将学习如何基于该技术指标设计交易系统。

您是否厌倦了持续尝试预测股市？您是否希望有一个水晶球来帮助您做出更明智的投资决策？自训练神经网络可能是您一直在寻找的解决方案。在本文中，我们将探讨这些强大的算法是否可以帮助您“乘风破浪”，并跑赢股市。通过分析大量数据和识别形态，自训练神经网络通常可以做出比人类交易者更准确的预测。发现如何使用这项尖端技术来最大化您的盈利，并制定更明智的投资决策。