Algorithmic Trading Articles for 集成

MetaTrader 5 的 WebSocket — 使用 Windows API

在本文中，我们将使用 WinHttp.dll 针对 MetaTrader 5 平台创建 WebSocket 客户端程序。客户端最终将作为一个类实现，并借助 Binary.com 的 WebSocket API 进行测试。

简述。在本文中，我们将探索采用 MetraTrader 5 终端里以集成的 MQL5 编写 AutoIt 脚本。在其中，我们将覆盖如何操纵终端的用户界面来自动完成各种任务，并介绍一个采用 AutoItX 库的类。

多层感知器和反向传播算法（第二部分）：利用 Python 实现并与 MQL5 集成

有一个 Python 程序包可用于开发与 MQL 的集成，它提供了大量机会，例如数据探索、创建和使用机器学习模型。集成在 MQL5 内置的 Python，能够创建各种解决方案，从简单的线性回归、到深度学习模型。我们来看看如何设置和准备开发环境，以及如何使用一些机器学习函数库。

MQL5.community服务为交易者以及MetaTrader 程序端应用程序的开发人员提供更多机会。在本文中，我们描述了如何执行MQL5服务的付款，如何提取获得的收入，以及如何确保操作安全性。

这些提示来自专业程序员，涵盖有关方法、技术和辅助工具，能够令编程更轻松。

本文基于上一篇文章中设定的目标，提出了一个改进的暴力强推版本。我将尝试尽可能广泛地涵盖这个主题，并以该方法获取的设置来运行智能交易系统。本文还附有一个新的程序版本。

本文介绍了应用于网格和马丁格尔交易的机器学习技术。令人惊讶的是，这种方法在全球网络中难觅踪迹。阅读过本文之后，您将能够创建自己的交易机器人。

利用计算机视觉可以训练神经网络对价格图表和指标的直观表示。这种方法可以对整个复杂的技术指标进行更广泛的操作，因为不需要将它们以数字形式输入神经网络。

我们已经经历了很长一段路，并且函数库中的代码越来越庞大。这令跟踪所有连接和依赖性变得难以维护。因此，我建议为先前创建的代码创建文档，并保持伴随每个新步骤进行更新。正确准备的文档将有助我们看到操作的完整性。

本文探索了用时间过滤器建立机器学习模型，并讨论了这种方法的有效性。现在，只要简单地指示模型在一周中某一天的某个时间进行交易，就可以消除人为因素。模式搜索可以由单独的算法提供。

在本文中，我们将探讨利用真实数据的主动机器学习方法，并讨论它们的优缺点。也许你会发现这些方法很有用，并将它们包含在你的机器学习模型库中。直推是由支持向量机（SVM）的共同发明者弗拉基米尔·瓦普尼克（Vladimir Vapnik）提出的。

你是不是觉得需要向你的指标或者EA中添加图形面板来提升配置参数的速度和便捷性？在本文中，你将学会如何一步一步在你的MQL4/MQL5程序中实现输入参数的交互面板。

在引入随 MQL5 API 更新而提供的网络功能之前，MetaTrader 程序与基于 WebSocket 的服务连接和接口的能力受到许多限制。当然，这一切都改变了，在本文中，我们将探讨纯 MQL5 中 WebSocket 库的实现。WebSocket 协议的简要描述将与如何使用生成的库的逐步指南一起给出。

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。

本文延续了暴力算法的主题，并在程序算法中引入了市场分析的新机会，从而加快了分析速度，提高了结果质量。新的添加使得在这种方法中可以看到最高质量的全局模式。

本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。

无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法

本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此，我希望这篇文章能为广大读者提供一个很好的指导，帮助那些对评估机器学习能力感兴趣的人，并在他们的课程中实现这些能力。

在 Python 中训练 CatBoost 分类器，并将模型导出到mql5，以及解析模型参数和自定义策略测试程序。Python 语言和 MetaTrader 5 库用于准备数据和训练模型。

在本文中，我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。

在本文中，我们将继续讨论暴力方法。我将尝试使用我的应用程序的新改进版本来更好地解释这种模式。我还将尝试使用不同的时间间隔和时间框架来找出稳定性的差异。

本文介绍了一种基于粒子群算法的快速优化方法。本文还介绍了MQL中的方法实现，它既可以在EA交易内部的单线程模式下使用，也可以作为在本地测试人员代理上运行的附加组件在并行多线程模式下使用。

所有交易者都以赚取第一个百万美元为目标来访问市场。如何在没有过多风险和启动预算的情况下实现这个目标？MQL5服务为来自世界各地的开发人员和交易者提供了这样的机会。

是否曾想访问推文和/或在推特（Twitter）上发布您的交易信号？无需更多搜索，这些持续更新的系列文章将为您展示如何无需任何 DLL 的情况下进行操作。畅想 MQL 实现 Twitter API 的旅程。在第一部分中，我们将在访问 Twitter API 时遵循身份验证和授权的荣耀之路。

在本文中，我们研究在 MetaTrader 和外部应用程序中进行对象加密/解密。我们的目的是判断以相同初始数据获得相同结果的条件。

在本文中，我们基于运算符优先级的解析器，研究数学表达式解析和评估的原理。我们将实现普拉特（Pratt）和分流场解析器，字节代码的生成和代码计算，查看如何在表达式中将指标用作函数，以及如何基于这些指标在智能交易系统中设置交易信号。

本文研究数学表达式解析和计算的基本原理。我们基于预建语法树，实现运行于解释器和快速计算模式的递归下降解析器。

在本文中，我们将研究神经网络与交易终端集成的主要方面，从而创建功能齐全的交易机器人。

一款以 MQL 类实现的推特（Twitter）客户端，允许您发送带照片的推文。您只需要包含一个独立的包含文件，之后您即可将所有出色的图表和信号发作推文。

在篇论文当中，我们将用 MQL 的结构完成构建 MQL 程序窗口界面的概念讲述。专业的图形编辑器能够交互式地设置由 GUI 元素的基本类组成的布局，然后将其以 MQL 描述导出，从而可在您的 MQL 项目中使用。此片论文介绍了编辑器的内部设计和用户指南。附带源代码。

我们之前曾研究过创建自动前行优化。这次，我们将继续探究自动优化器工具的内部结构。本文对于那些希望深入操控所创建项目并进行修改的人士，以及那些希望理解程序逻辑的人士来说都很有用处。本文包含 UML 示意图，它能揭示项目的内部结构，以及对象之间的关系。它还阐述了优化开始的过程，但未包含优化器实现过程的讲述。