第 7 页 —— 集成的算法交易文章

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。这些系列文章将提出 MQL5 向导应该是交易者在此领域努力的中流砥柱。

在此，我将展示如何创建价格播报屏幕，它通常在交易所滚动显示报价。我会只用 MQL5 来做到这一点，无需复杂的外部编程。

我们继续研究机器学习方法。自本文，我们开始另一个大话题，强化学习。这种方式允许为模型设置某些策略来解决问题。我们可以预期，强化学习的这种特性将为构建交易策略开辟新的视野。

在最晚的两篇文章中，我们开发了一个创建和编辑神经网络模型的工具。现在是时候通过实践示例来评估迁移学习技术的潜在用途了。

MQL5 中引入了矩阵和向量，用于实现数学解决方案的高效操作。新类型提供了内置方法，能够创建接近数学标记符号的简洁易懂的代码。数组提供了广泛的功能，但在很多情况下，矩阵的效率要高得多。

在上一篇文章中，我们创建了一款用于创建和编辑神经网络架构的工具。今天我们将继续打造这款工具。我们将努力令其对用户更加友好。也许可以看到，我们的主题往上更进一步。但是，您不认为规划良好的工作空间在实现结果方面起着重要作用吗？

这是一篇关于优化算法（OA）分类的介绍性文章。本文尝试创建一个测试基台（一组函数），用于比较 OA，并可识别所有广为人知的算法中最通用的算法。

在本系列文章中，我们已经不止一次提到了迁移学习。然而，都只是提及而已。在本文中，我建议填补这一空白，并仔细研究迁移学习。

我们继续研究无监督学习算法。这次我建议我们讨论自动编码器应用于递归模型训练时的特性。

机器学习中的元模型：很少或无人为干预的情况下自动创建交易系统 — 模型自行决定何时以及如何进行交易。

在本文中，我们将继续研究如何从 web 获取数据，并在智能系统中使用它。这次我们将着手开发一个替代系统。

掌握如何从网络向智能交易系统输入数据并非那么轻而易举。如果不了解 MetaTrader 5 提供的所有可能性，就很难做到这一点。

如何通过 MetaTrader 5 访问在线数据？互联网上有很多网站，提供海量信息。您需要知道的是，在哪里查找、以及如何才能最好地利用这些信息。

这是一篇关于 DirectX 的介绍性文章，介绍了使用 API 进行操作的细节。它应有助于理解其组件的初始化顺序。本文包含一个如何编写 MQL5 脚本的示例，该脚本使用 DirectX 渲染一个三角形。

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。