添加新文章
使用 OpenCL 测试烛形形态
使用 OpenCL 测试烛形形态
这篇文章描述了在"一分钟OHLC"模式下实现 OpenCL 烛形形态测试器的算法。我们还将把它的速度与内建的策略测试器在快速和慢速优化模式下做比较。
逆转：正规化入场点并开发手动交易算法
逆转：正规化入场点并开发手动交易算法
这是专门讨论逆转交易策略系列文章的最后一篇。 在此我们将尝试解决导致之前文章中测试结果不稳定的问题。 我们还将开发和测试可在任何市场中运用的逆转策略手动交易算法。
逆转形态：测试头肩形态
逆转形态：测试头肩形态
本文是前一篇名为“逆转形态：测试双顶/双底形态”的后续文章。 现在我们将会看到另一个著名的逆转形态，称为头肩，比较两种形态的交易效率，并尝试将它们合并成为单一的交易系统。
反向交易: 减少最大回撤以及在其它市场上测试
反向交易: 减少最大回撤以及在其它市场上测试
在这篇文章中, 我们继续致力于反向交易技巧。我们将会尝试减少最大余额回撤，直到对之前探讨的交易工具可以接受的水平。我们将会看看这样是否将会减少利润，我们还将在其它市场中检验反转方法的运行，包括股票、商品、指数、ETF和农产品市场。注意，本文包含了很多图片!
逆转形态：测试双顶/双底形态
逆转形态：测试双顶/双底形态
交易者经常寻找趋势逆转点，因为在趋势新形成的最初阶段价格走势具有最大潜力。 因此，在技术分析中考虑了各种逆转形态。 双顶/双底是最著名和最常用的形态之一。 本文提出了程序检测形态的方法。 它还测试了形态在历史数据上的盈利能力。
跳空缺口 - 是能够获利的策略还是五五开?
跳空缺口 - 是能够获利的策略还是五五开?
这篇文章详细讨论了跳空缺口 — 前一时间段的收盘价和后一时间段的开盘价之间的较大差距, 以及对日柱方向的预测。还探讨了通过系统DLL使用 GetOpenFileName 函数的问题。
EA 遥控方法
EA 遥控方法
交易机器人的主要优势在于能够在远程 VPS 服务器上每天 24 小时不间断工作。 但有时候有必要干预它们的工作，而此刻可能无法直接访问服务器。 是否可以遥控管理 EA？ 本文提出了一种通过外部命令控制 EA 的选项。
100 个最佳优化递次(第 1 部分)。 开发优化分析器
100 个最佳优化递次(第 1 部分)。 开发优化分析器
本文详细阐述了运用若干种可能选项开发选择最佳优化递次的应用程序。 该应用程序能够通过各种因素来筛选优化结果。 优化递次始终写入数据库，因此您总能无需重新优化即可选择新的机器人参数。 此外，您可在单个图表上查看所有优化递次，计算参数 VaR 比率，并构建递次与特定比率集和的交易结果的正态分布图。 以及，自优化伊始（或从选定日期到另一个选定日期）开始动态构建一些计算比率的图形。
反向交易: 圣杯还是危险的假象
反向交易: 圣杯还是危险的假象
在这篇文章中，我们将会学习反向马丁格尔技术，并且将会了解是否值得使用它，以及它是否有助于提高您的交易策略。我们将会创建一个 EA 交易来在历史数据上运行， 检查哪个指标是最适合于反向交易技术的 。我们还将验证是否可以不使用任何指标，以独立的交易系统来使用它。另外，我们还将验证反向交易是否可以把一个亏损系统转变为盈利的系统。
利用指标实时优化智能交易系统
利用指标实时优化智能交易系统
任何交易机器人的效率均取决于正确选择（优化）其参数。 然而，在某个时间区间内被认为是最佳的参数可能无法在另一个交易历史区间保持其有效性。 此外，在测试期间表现良好的 EA 在实时状态下最终会亏损。 持续优化的问题就此凸显出来。 当面对大量重复性工作时，人类总会寻找自动化方法。 在本文中，我提出了一种解决此问题的非标准方法。
组合趋势和盘整策略
组合趋势和盘整策略
有多种多样的交易策略，它们中的一些要寻找趋势，而其它的一些会定义价格波动的范围而在其中进行交易。有没有可能把这两种方法组合到一起来增加获利呢?
整合基于MQL的EA交易和数据库 (SQL Server, .NET 和 C#)
整合基于MQL的EA交易和数据库 (SQL Server, .NET 和 C#)
本文描述了如何把操作 Microsoft SQL Server 数据库的功能加到基于 MQL 语言的 EA 交易中，它使用了从一个DLL(动态链接库)中引入函数的方法。这个 DLL 是使用 Microsoft .NET 平台和 C# 语言创建的。本文中使用的方法只要做少许调整，就可以用于使用 MQL4 开发的 EA 交易中。
深度神经网络 (第七部分)。 神经网络的融合: 堆叠
深度神经网络 (第七部分)。 神经网络的融合: 堆叠
我们继续构建融合。 这次，之前创建的融合袋将辅以可训练的合并器 — 深度神经网络。 一个神经网络在修剪后合并了 7 个最佳融合输出。 第二个将融合的所有 500 个输出作为输入，修剪并合并它们。 神经网络将使用 Python 的 keras/TensorFlow 软件包构建。 该软件包的功能也会简要介绍。 还会进行测试并比较装型融合和堆叠融合的分类品质。
深度神经网络 (第六部分)。 神经网络分类器的融合: 引导聚合
深度神经网络 (第六部分)。 神经网络分类器的融合: 引导聚合
本文讨论了用引导聚合结构构建并训练神经网络融合的方法。 它还确定了构成融合的各独立神经网络分类器的超参数优化的特性。 本文中所创建的神经网络融合的品质将与该系列前一篇文章中获得的优化神经网络的品质进行比较。 已考虑到进一步提高融合分类品质的可能性。
在 EA 交易代码中实现指标的计算
在 EA 交易代码中实现指标的计算
把指标代码移动到 EA 交易中可能有多种原因，怎样评估这种方法的优缺点呢?本文描述了在 EA 交易中实现指标代码，还进行了几个实验来评估 EA 交易运行的速度。
10 种横盘交易策略的比较分析
10 种横盘交易策略的比较分析
本文探讨横盘时交易的优缺点。 本文中创建并测试了十种基于在通道内跟踪价格走势的策略。 每种策略都配有过滤机制，旨在避免入场的假信号。
可视化策略构建工具. 无需编程即可创建交易机器人
可视化策略构建工具. 无需编程即可创建交易机器人
本文展示了一个可视化的策略构建工具，它演示了任何用户如何不必编程就能创建交易机器人和相关工具。创建出的 EA 交易是完整功能的，并且可以在策略测试器中测试，通过云计算来优化或者实时运行于图表之上。
使用图形界面处理优化结果
使用图形界面处理优化结果
这是处理和分析优化结果想法的续篇，这一次，我们的目标是选择100个最佳的优化结果并且在图形用户界面(GUI)表格中显示它们。用户将可以在优化结果中选择一行而在独立的图表中得到多交易品种余额和回撤图。
强化学习中的随机决策森林
强化学习中的随机决策森林
使用 bagging 的随机森林(Random Forest, RF) 是最强大的机器学习方法之一， 它略微弱于梯度 boosting，这篇文章尝试开发了一个自我学习的交易系统，它会根据与市场的交互经验来做出决策。
深度神经网络 (第五部分)。 DNN 超参数的贝叶斯优化
深度神经网络 (第五部分)。 DNN 超参数的贝叶斯优化
本文研究利用贝叶斯优化深度神经网络 (DNN) 超参数，获取各种训练变体的可能性。 比较不同训练变体中最优超参数 DNN 的分类品质。 DNN 最优超参数的有效性的深度已在前瞻性测试中得以验证。 改善分类品质的可能方向也已确定。
在 MetaTrader 5 中交易策略优化的可视化
在 MetaTrader 5 中交易策略优化的可视化
本文采用图形界面实现 MQL 应用程序来扩展可视化的优化过程。 图形界面采用 EasyAndFast 函数库的最新版本。 许多用户可能会问为什么他们在 MQL 应用程序中需要图形界面。 本文为交易者展示了众多实用情况之一。
为 MetaTrader 5 创建自定义新闻递送
为 MetaTrader 5 创建自定义新闻递送
在本文中, 我们将探讨创建灵活新闻递送的可能性, 可提供更多新闻类型和来源方面的选项。 本文将介绍如何将 Web API 与 MetaTrader 5 终端集成。
可控优化: 模拟退火
可控优化: 模拟退火
MetaTrader 5 交易平台中的策略测试器只提供两种优化选项: 参数完整搜索和遗传算法。 本文提出了一种交易策略优化的新方法 — 模拟退火。 该方法的算法, 其实现和集成到任何智能交易系统的方方面面均加以考虑。 开发出的算法已在移动平均 EA 上进行了测试。
通道突破形态
通道突破形态
价格趋势形成的价格通道可在金融产品的图表上观察到。突破当前通道是强趋势的反转信号之一。在本文中, 我推荐一种查找此类信号的自动处理方法, 并观察通道突破形态是否可用来创建交易策略。
用于 MQL5 向导的 NRTR 指标和交易模块
用于 MQL5 向导的 NRTR 指标和交易模块
在本文中, 我们将分析 NRTR 指标, 并基于此指标创建一个交易系统。我们将会开发一个交易信号模块, 此模块可用来创建基于 NRTR 与附加趋势确认指标相结合的策略。
运用 R-平方 评估策略余额曲线的品质
运用 R-平方 评估策略余额曲线的品质
本文介绍如何构建自定义优化标准 R-平方。这一准则可用来评估一个策略的余额曲线的品质, 并选择增长最平滑和稳定的策略。这项工作讨论其构建原理, 以及用于评估属性和衡量品质的统计方法。
将入场信息解析到指标
将入场信息解析到指标
交易者的生活中会出现不同的状况。经常地, 成功交易的历史令我们能够复现策略, 而查看亏损历史, 让我们尝试开发和改进新的策略。在这两种情况下, 我们要将交易与已知指标进行比较。本文推荐了一批拿交易与数个指标进行比较的方法。
利用卡尔曼 (Kalman) 滤波器预测价格方向
利用卡尔曼 (Kalman) 滤波器预测价格方向
为了成功交易, 我们几乎总是需要指标来把主要价格走势与噪音波动剥离。在本文中, 我们考察最有前途的数字滤波器之一, 卡尔曼滤波器。本文将介绍如何绘制和使用滤波器。