本文提出了一种技术, 通过汇集一套独立的指标, 以及开发定制的入场信号, 帮助每个人创建定制的交易策略。 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。 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。 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。 本文讨论流行的交易方法 - 三角套利。在此我们尽可能详细地分析该主题, 研究策略的正、负两方面, 并开发即用的智能交易系统代码。 本文研究使用模糊函数库建立基于模糊逻辑的简单交易系统示例。结合提议的模糊逻辑、遗传算法和神经网络改进的系统变体。 本文主要介绍 CExpertAdvisor 和 CExpertAdvisors 类, 它们是本系列文章中所述跨平台智能交易系统里用到的所有组件的容器。 本文所述交易系统的不同寻常之处主要是使用数学工具分析股票报价。系统应用了数字滤波和离散时间序列的频谱估值。策略的理论层面已描述过, 并曾创建了一款测试智能交易系统。 本文讨论如何在跨平台智能交易系统中设置自定义停止价位。它还讨论了一种紧密相关的方法, 即随着时间的推移, 定义停止位的演化。 本文探讨基于图表线性标记创建自动交易系统的一种简单方法, 并提供了一款使用 MetaTrader 4/5 标准对象属性的现成智能交易系统, 可支持主要交易操作。 本文讨论智能交易系统中停止价位的实现, 以便在两个平台 Metatrader 4 和 Metatrader 5 之间兼容。 本文将研究 darch 软件包的新功能 (v.0.12.0)。它包含具有不同数据类型, 不同结构和训练顺序的深度神经网络训练的描述。培训结果也包括在内。 本文是一系列有关深层神经网络的延续文章。在此, 我们将研究选择样本 (消除噪声), 降低输入数据的维度, 并在数据准备期间将数据集合划分为训练/验证/测试集合, 以便训练神经网络。 有关深度神经网络系列的第二篇文章研究当准备模型训练的数据期间预测因子的变换和选择。 本系列文章继续探索深度神经网络 (DNN) 在众多应用领域 (包括交易) 中的运用。在此会探索本主题的新维度, 同时使用实际的实验测试新的方法和思路。本系列的第一篇文章致力于为 DNN 准备数据。 本文通过运用多个独立指标的信号, 分析贝叶斯公式在提高交易系统可靠性方面的应用。理论计算可由一款简单的通用 EA 进行验证, 配置为使用任意指标。 本文探讨如何实现跨平台智能交易系统的各种时间过滤方法。时间过滤器类负责检查给定时间是否处于特定时间配置设置的范围内。 本文研究建立高效交易的推荐制系统的思想和方法, 结合了贝叶斯定理基础之上的重要机器学习方法, 以及奇异频谱分析 (SSA) 的预测能力。 本文讨论了跨平台EA交易中资金管理方法的实现，资金管理类是用于EA交易中下一次交易进场时进行交易的手数大小计算的。 本文讨论了 CSignal 和 CSignals 类，它们将用于创建跨平台的EA交易。它检验了MQL4和MQL5的区别，看它们在评估交易信号时需要怎样特别的数据，这样来确保写出的代码可以兼容两种编译器。 本文将要讨论为跨平台专家交易系统创建的订单管理器。订单管理器负责由专家系统建立的订单或仓位的入场和离场, 以及为所有两个版本保留这些交易的可用独立记录。 本文简要概述了十款趋势跟随策略, 及其测试结果和比较分析。基于所获结果, 我们得到相关趋势跟随交易之优缺点的一般性结论。 本文为 MetaTrader 4 提供了简单的 MetaTrader 5 交易环境模拟器。模拟器实现了标准函数库的交易类的移植和调整。结果就是, MetaTrader 5 向导中生成的专家交易系统在 MetaTrader 4 中无需修改即可进行编译并执行。 本文描述的是，根据轴点-反转水平而发送信号的类的开发和实现。这个类可以通过使用标准库来构建策略，还探讨了通过增加过滤器来加强轴点策略。 与图形模式相关的交易策略自动化需要能够在图表中搜索极值点以备进一步处理和解释，现有的工具并不能一直提供这种功能。本文中描述的方法可以在图表上找到极值点，这里讨论的工具在有趋势和平盘市场上都一样有效，取得的结果不会被所选时段很大影响，也不会只针对特定的缩放尺度。 本文介绍了来自琳达.布拉福德.瑞斯克(Linda Bradford Raschke)和劳伦斯.A.康纳斯(Laurence A. Connors)的《华尔街智慧:高胜算短线交易策略(Street Smarts: High Probability Short-Term Trading Strategies)》一书的两个交易策略，‘海龟汤’和‘海龟汤升级版’的原则规范。在书中描述的策略非常流行，但是有必要知道的是，作者是基于15年到20年的市场行为来开发它们的。 是否有可能开发一款能够根据代码命令, 定期优化开仓和平仓条件的智能交易系统？如果我们以模块化的形式实现一个神经网络 (多层感知器) 来分析历史并提供策略, 会发生什么？我们可以做到 EA 每月(每周, 每天或每小时) 进行神经网络优化, 然后继续其工作。因此, 我们可以开发一款自我优化 EA。 MetaTrader 4 和 MetaTrader 5 在处理交易请求时使用不同的约定。本文讨论使用类对象来表达由服务器处理的交易的可能性, 目的是让跨平台智能交易程序可以无视交易平台版本和使用模式均可工作。 本文描述的过程, 是开发和实现基于移动通道发送信号的类。每个信号版本均随带交易策略和测试结果。标准库的类用于创建派生类。 在 MQL5 标准库里存在的一些控件被证明在 MQL4 版本的跨平台智能交易程序里十分有用。本文涉及令某些 MQL5 标准库的控件与 MQL4 编译器兼容的方法。 本文详细介绍了一种可以更快捷开发跨平台 EA 的方法。其所倡导的方法是将两个版本共享的功能整合到一个单独的类, 并将不兼容的功能分割到派生类。 当您订阅了一个信号, 也许会发生这样的情形: 您的交易账户杠杆为 1:100, 而提供者的杠杆为 1:500, 且使用最小手数, 而您的账户余额大约相等 — 但拷贝比率只有 10% 到 15%。本文介绍在这种情况下如何增加拷贝比率。 任何产品在市场发布之前，它必须通过强制的预先检验，以确保符合统一的质量标准。本文介绍了开发者们在他们的技术指标和交易机器人中最常犯下的错误，并且也展示了在把产品发送到市场之前如何进行自我测试。 本文涵盖的内容是提出了进化算法主要原则，以及它们的特点和多样性。我们将使用一个简单的EA交易作为实例来做实验，来展示如何通过优化使我们的交易系统获益，我们将探讨在软件程序中实现遗传、进化以及其它类型的优化，并且在优化交易系统的预测器集合与参数时提供示例程序。 近来，货币市场上的交易机器人已经大幅增加，它们执行着各种各样的策略和概念，然而，它们还都没有能够成功创造人工智能双赢、多赢的实例，所以，很多交易者还是进行人工交易。但是，即使对于这样的专家，还是可以为他们创建被称为机器人助手的交易面板。本文就是从头开始创建交易面板的一个实例。 很多莫斯科交易所的交易者想把他们的交易算法自动化，但是他们不知道从何做起，MQL5语言提供了很大范围的交易功能，它还额外提供了方便使用的类，以使用户在算法交易中方便地起步。 本文提出了一种用于等距通道系统的编程方法，在此将会探讨构建这种通道的细节，并且提供了通道的分类，提出了一个统一的滑动通道方法。在代码的实现中使用了面向对象的编程(OOP)。 本文描述了比尔威廉姆交易系统的规则，开发一个在图表上搜索和标记该系统模式的MQL5应用程序模块，根据找到的模式进行交易，并且也展示了在各种交易品种上的测试结果。 如果图形控制面板被其他人删除或者修改了, 您的程序应该怎样做呢?在本文中, 我们将演示如何使图表上的对象摆脱"无主"状态, 把它们重新命名也不会失去控制, 以及在应用程序退出时程序化地删除对象. 本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。同时将探讨新的方法和预测因子深度分析及其对模型过度拟合可能的影响。模型的总体效果很大程度上取决于这一阶段的结果。我们将分析两个包，它们分别提供预测因子选择的新老方法。
Subscribe to algo trading news Copyright 2000-2026, MetaQuotes Ltd
