EA 交易 | 算法交易文章

在本文中，我将继续开发图表对象类。我将添加含有可用指标列表的图表窗口对象列表。

在本文中，我将创建图表对象类（单个交易金融产品图表），并改进 MQL5 信号对象的集合类，以便在更新列表时也能为存储在集合中的每个信号对象更新其所有参数。

这篇文章是关于道义期望。我们将看到在交易中运用它的若干示例，以及在它的帮助下可以达成的结果。

本文尝试回答这个问题：我们如何选择正确的智能系统？哪些最适合我们的投资组合，我们如何过滤市场上提供的庞大交易机器人列表？本文将介绍二十条明确而强大的准则来拒绝一款智能系统。每条提出的准则都将得到很好的解释，从而帮助您做出更持久的决定，并为您建立一个更有前途的智能系统集合，从而赚取利润。

在本文中，我将针对 MQL5.com 信号服务创建信号集合类，拥有能够管理信号的函数。此外，我将改进“市场深度”快照对象类，来显示 DOM 的总买卖量。

在本文中，我将创建两个类（DOM 快照对象类，和 DOM 快照序列对象类），并测试 DOM 数据序列的创建。

在本文中，我将实现即时报价数据的实时更新，并为操控市场深度的品种对象类（DOM 本身将在下一篇文章中实现）做准备。

从本文开始，着手创建操控价格数据的函数库功能。今天，创建一个对象类，存储到达的即时报价的全部价格数据。

关于操控时间序列的主题总结，诸如组织存储、针对存储在指标缓冲区中的数据进行搜索和分类，如此即可在程序里利用函数库创建指标值，并进一步据其执行分析。函数库的所有集合类的一般概念，能够轻松地在相应的集合中找到必要的数据。在今天创建的类中，也可分别完成同样功能。

在本文中，开发一个对象，其中包含一个指标的一个缓冲区的所有数据。这些对象对于存储指标缓冲区的数据序列将是必需的。在其的辅助下，才有可能对任何指标的缓冲区数据，以及其他类似数据进行排序和比较。

DoEasy 函数库中的时间序列（第五十六部分）：自定义指标对象，从集合中的指标对象获取数据

本文研究在 EA 中创建自定义指标对象。我们稍微改进一下库类，并添加一些方法，以便从 EA 中的指标对象获取数据。

在本文中，我将在 MetaTrader 5 中检查并优化二元期权策略。

如果您认为自动化系统很简单，那么您可能并未完全理解创建它们需要什么。在本文中，我们将谈谈杀死大量智能系统的问题。不分青红皂白地触发订单是解决这个问题的可能方法。

如果没有健全的安全性，自动化系统就不会成功。但是，如果不对某些事情有很好的理解，就无法确保安全性。在本文中，我们将探讨为什么在自动化系统中实现最大安全性是一项挑战。

在本系列文章中，我会采用实验和非标准方法来开发一个可盈利的交易系统，并检查神经网络是否对交易者有任何帮助。若在交易中运用神经网络，MetaTrader 5 则可作为近乎自给自足的工具。

这是我们关于学习如何基于流行技术指标设计交易系统系列的一篇新文章，将介绍鳄嘴（Gator）振荡器技术指标，以及如何通过简单的策略创建交易系统。

马尔可夫（Markov）链是一个强大的数学工具，能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。在金融时间序列建模和预测中，马尔可夫链通常用于模拟金融资产随时间的演变，例如股票价格或汇率。马尔可夫链模型的主要优点之一是其简单性和易用性。

如果您无法控制其调度表，则自动化就意味着毫无意义。没有工人能够一天 24 小时高效工作。然而，许多人认为自动化系统理所当然地每天 24 小时运行。但为 EA 设置工作时间范围总是有好处的。在本文中，我们将研究如何正确设置这样的时间范围。

尽管创建自动 EA 并非一项非常困难的任务，但在缺乏必要知识的情况下可能会犯许多错误。在本文中，我们将研究如何构建初级自动化，其中包括创建一个触发器来激活盈亏平衡和尾随停止价位。

我们继续研究强化学习算法。到目前为止，我们所研究的所有算法都需要创建一个奖励政策，从而令代理者能够每次从一个系统状态过渡到另一个系统状态的转换中估算其每个动作。然而，这种方式人为因素相当大。在实践中，动作和奖励之间存在一些时间滞后。在本文中，我们将领略一种模型训练算法，该算法可以操控从动作到奖励的各种时间延迟。

在本文中，我们将目睹如何利用事件处理系统快速有效地处理与订单系统相关的问题。配合这个系统，EA 就能更快地工作，如此它就不必持续不断地搜索所需的数据。

我们继续研究分布式 Q-学习算法。在之前的文章中，我们研究了分布式和分位数 Q-学习算法。在第一种算法当中，我们训练了给定数值范围的概率。在第二种算法中，我们用给定的概率训练了范围。在这两个发行版中，我们采用了一个先验分布知识，并训练了另一个。在本文中，我们将研究一种算法，其允许模型针对两种分布进行训练。