Algorithmic Trading Articles for Expert advisors

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。在上一篇文章中，我们讨论了任何人在继续创建自动交易的智能系统之前需要了解的第一步。我们首先研究了概念和结构。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。

在本文中，您将发现利用 MQL5 处理最重要的指示线（如趋势线、支撑线和阻力线）的方法。

我们在本系列的早期文章中领略了 Q-学习方法。此方法均化每次操作的奖励。 2017 年出现了两篇论文，在研究奖励分配函数时展现出了极大的成功。我们来研究运用这种技术解决我们问题的可能性。

数据挖掘在数据科学家和交易者看来至关重要，因为很多时候，数据并非如我们想象的那么简单。人类的肉眼无法理解数据集中的不显眼底层形态和关系，也许 K-means 算法可以帮助我们解决这个问题。我们来发掘一下...

本文是我们关于如何基于最流行的技术指标设计交易系统的系列中的一篇新文章。我们将学习一个新的指标，即分形（Fractals）指标，我们将学习如何设计一个基于它的交易系统，从而能在 MetaTrader 5 终端中执行。

在上一篇文章中，我们开始探索非梯度优化方法。我们领略了遗传算法。今天，我们将继续这个话题，并将研究另一类进化算法。

在本文中，我们将完成有关如何基于最流行的技术指标设计交易系统的系列文章。我们将学习如何创建基于鳄鱼指标的交易系统。

这是我们系列中有关如何基于最热门指标设计交易系统的一篇新文章，这回我们将详细讨论 Ichimoku 指标，以及如何依据该指标设计交易系统。

本文是有关您在回测报告中看不到的内容，使用自动交易软件时您应该期望什么；如果您正在使用智能系统，该如何管理您的资金；以及如果您正在使用自动化过程，如何弥补重大亏损从而坚持交易活动。

今天的交易者都是哲学家，几乎总是在寻找新的想法，尝试提炼它们，选择修改或丢弃它们：一个探索性的过程，肯定会花费相当的勤奋程度。本系列文章将提出，MQL5 向导应该是交易者的支柱。

我们系列中的一篇新文章，介绍如何通过最流行的技术指标创建简单的交易系统。我们将学习一个新的加速（Accelerator）振荡器指标，我们将学习如何利用它来设计交易系统。

今天我想给大家介绍一种略有不同的学习方法。我们可以说它是从达尔文的进化论中借鉴而来的。它可能比前面所讨论方法的可控性更低，但它允许训练不可微分的模型。

在我们系列的这篇新文章中，我们将学习一种也许对我们的交易有用的新技术工具。它是奥森姆（Awesome）振荡器（(AO）指标。我们将学习如何基于该指标设计交易系统。

在本系列的前几篇文章中，我们见识到两种增强的学习算法。它们中的每一个都有自己的优点和缺点。正如在这种情况下经常发生的那样，接下来的思路是将这两种方法合并到一个算法，使用两者间的最佳者。这将弥补它们每种的短处。本文将讨论其中一种方法。

我们系列中的新篇章，介绍如何基于最流行的技术指标设计交易系统。在本文中，我们将学习如何基于相对活力（Vigor）指数指标来做到这一点。

在本文中，我们将学习如何让 MetaTrader 5 平台谈话。我们如何才能让 EA 更有趣呢？金融市场交易往往过于无聊和单调，但我们能够令这项工作少些无趣。请注意，对于那些经历过上瘾等问题的人来说，这个项目可能是危险的。然而，在一般情况下，它只会让事情聊胜于无。

此为我们系列中的一篇新文章，介绍如何基于最流行的技术指标设计交易系统。在本文中，我们将介绍如何基于 DeMarker 指标创建交易系统。

我们继续研究强化学习方法。在上一篇文章中，我们领略了深度 Q-学习方法。按这种方法，已训练模型依据在特定情况下采取的行动来预测即将到来的奖励。然后，根据政策和预期奖励执行动作。但并不总是能够近似 Q-函数。有时它的近似不会产生预期的结果。在这种情况下，近似方法不应用于功用函数，而是应用于动作的直接政策（策略）。其中一种方法是政策梯度。