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。 本文将经典的 MQL5 指标访问方法与 MQL4 风格的替代方法进行比较。 研究若干种 MQL4 风格的指标访问方法: 带有和未带有指标句柄缓存。 还会研究分析 MQL5 核心内部的指标句柄。
本文详细介绍了如何在 CAppDialog 类的基础上创建面板，以及如何在面板上增加控件。它描述了面板的结构和框架，显示了对象的继承关系。从这篇文章中，您还可以学习到事件是怎样处理的以及它们是怎样在独立的控件之间传递的。另外还有实例演示了如何编辑面板参数，例如大小和背景颜色。 对于那些仍然使用 MQL4 编程且不想切换到 MQL5 的人来说, 本文是一个过渡步骤。 我们继续寻找以 MQL4 风格编写代码的机会。 这一次, 我们将研究 #define 预处理器的宏替代。 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。 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。 如果您刚刚切换到 MQL5, 那么本文将会很有用处。首先, 以正常的 MQL4 风格访问指标数据和序列已经完成。其次, 以 MQL5 实现这些整体上更简单。所有函数都尽可能地清晰, 并且非常适合单步调试。 本文将致力于分析 MetaTrader 5 平台的交易信号, 从而能够在用户账户里自动执行交易操作。此外，文章还研究了工具的开发，它有助于从终端当中直接搜索潜在地有 "钱途" 的交易信号。 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。 云技术正在变得越来越流行，现在，我们可以选择付费或者免费的存储服务，有没有可能在交易中使用它们呢?本文提出了一种技术，可以使用云存储服务来进行终端之间的数据交换。 创建自定义交易品种拓展了开发交易系统和金融市场分析的边界，现在，交易者可以在无限的金融资产工具上绘制图表和测试交易策略了。 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。 文章的第八部分包含了 CSymbol 类的描述, 它是一个特别的对象，可以访问任何交易资产。当在 EA 交易中使用时, 这个类提供了很多交易品种的属性，而简化了EA交易的编程，并扩展了它的功能。 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。 本文研究从所需的标签标记开始自动为 MQL5 代码创建文档。它还提供了如何使用、如何正确配置 Doxygen 软件, 以及如何以不同格式接收结果 (包括 html, HtmlHelp 和 PDF) 的说明。 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。 在滑动窗口中执行计算时, 环形缓存是排布数据最简单和最有效的方式。本文描述其算法, 并展示它如何简化滑动窗口中的计算, 以令其更有效率。 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。
在研究交易逻辑时, 图形形式的直观表达是非常重要的。科学界中流行的一些编程语言 (如 R 和 Python) 拥有可视化的特殊 "plot (绘图)" 功能。它能够以直观方式绘制线, 点分布和直方图。在 MQL5 中, 您可以使用 CGraphics 类完成相同的操作。 交易者会非常熟悉 WebTerminal, 它允许直接从浏览器在金融市场上交易。将 WebTerminal 小部件添加到您的网站 — 这样做是绝对免费的。如果您有网站, 您可开始向经纪商引荐潜在客户 — 我们已为您准备好了一个即用型的网页版解决方案。您需要做的所有事情就是将一个 iframe 嵌入您的网站。 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。 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。 套接字(Sockets)… 如果没有它们，我们的IT世界还可能存在吗?时光倒转回1982年，再到现在，它们每分每秒都与我们同在，这是网络的基础，是我们所居住的 Matrix 世界的神经末梢。 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。 正则表达式 (regular expression) 是通过应用特定的规则来处理文本的一种特殊语言, 也简称为 regex 或 regexp。在本文中, 我们将要展示如何利用 RegularExpressions 库的 MQL5 版本来处理交易报告, 以及使用它处理之后的优化结果。 通用智能交易系统的第六章介绍追踪止损功能的用法。本文将指导你如何使用通用规则创建一个自己的追踪止损模型，以及如何将其添加到交易引擎中来实现自动管理持仓头寸的功能。 本文包含了采用 MQL5 逐步创建用于 Telegram 的 bots 教程。对于那些期望将自己的交易机器人与移动终端同步的用户来说, 这些信息十分有用。文章里的 bots 例程可以提供交易信号, 从网站上搜索情报, 发送有关账户余额信息以及图表报价和截图至您的智能手机。 本文是对CStrategy交易引擎的进一步描述。由于交易者的广泛需要，我们向交易引擎中添加了支持挂单的相关函数。同时，最新版的MetaTrader 5现在也支持了具有对冲选项的帐户。同样的功能也添加到了CStrategy中。本文给出了使用挂单进行交易和在账户中用CStrategy类进行对冲交易的详细算法描述。 在最后一篇关于CStrategy交易引擎的系列文章中，我们将考虑多个交易算法同时运行，学习如何从XML文件加载策略，并将给出一个简单的面板，用于从可执行模块中选择EA，并管理它们的交易模式。 在本文中，我们将继续分析CStrategy交易引擎的算法。这系列文章的第三篇包含如何使用这种方法开发特定的交易策略样例的详细分析。需特别关注辅助算法— 智能交易日志系统以及使用索引方式（Close[1]，Open[0]等）访问数据。 直接从MetaTrader 5终端中进行信号运行的计算是非常有利的，因为终端提供了信号的预先选择和排序。通过这种方式，用户可以在终端中看到与他们的交易账户兼容得最好的信号。 
