第 15 页 —— 统计分析的算法交易文章

超买/超卖区域是某种市场状态的特征，可由证券价格的疲软变化来区分。这种负面变化会明显发生在任何尺度趋势发展的最后阶段。由于交易中的利润价值直接取决于尽可能覆盖更广趋势幅度的能力，因此在任何证券交易中，探测此类区域的准确性是一项关键任务。

交易总是需要在面对不确定性时做出决定。这意味着在做出这些决策时，其结局并不十分明朗。如此看出建立数学模型的理论方法的重要性，它能够令我们以有意义的方式描述这种情况。

本文提供了在 Matlab 平台上实际运用神经网络模块的讲述和指南。它还涵盖了运用神经网络模块创建交易系统的主要方面。为了能够在一篇文章中厘清复杂内容，我必须对其进行修改，从而在一个程序中组合若干个神经网络模块函数。

本文研究开发基于 DoEasy 库的简单多周期指标。我们来改进时间序列类，从而能接收来自任何时间帧的数据，并在当前图表周期内显示。

本文研究实时更新时间序列数据，并从所有品种的所有时间序列里发送有关“新柱线”事件的消息至控制程序图表，从而能够在自定义程序中处理这些事件。 “新即时报价”类用于判断是否需要更新非当前图表品种和周期的时间序列。

在本文中，我们将应用概率论和数理统计方法来创建并测试交易策略。我们还将利用价格和随机漫游之间的差值来寻找最佳交易风险。事实证明，如果价格表现为零漂移随机漫游（没有方向趋势），那么盈利交易是不可能的。

又过了一个季度，我们已决定统计MetaTrader 应用商店的业绩 - MetaTrader平台最大的交易机器人和技术指标商店。直至报告季度末期，有500多名开发者已经将他们的1200个产品放入MetaTrader 应用商店。

本文提供的的基本工具，可针对测试器报告的单次通关验证和优化结果进行 OLAP 分析。该工具可以操控标准格式文件（tst 和 opt），并还提供了图形界面。 MQL 源代码附带于后。

本文探讨开发针对程序中所有品种指定时间帧的时间序列集合。我们将开发时间序列集合，为集合设置时间序列参数的方法，以及取用历史数据初始填充已开发的时间序列。

本文交流的是基于支持向量法，预测时间序列算法的理论和实际应用。它还提议采用 MQL 来实现，并提供了测试指标和智能交易系统。该技术尚未在 MQL 中实现。但是首先，我们必须了解相关的数学知识。

MQL5：在 MetaTrader 5 中分析和处理商品期货交易委员会 (CFTC) 报告

在本文中，我们将开发用于 CFTC 报告分析的工具。我们将解决下述问题：开发可直接使用委员会提供的数据文件的 CFTC 报告数据而无需进行中间处理和转换的指标。此外，该指标可用于不同目的：作为指标绘制数据、处理其他指标中的数据、在脚本中用于自动分析、在“EA 交易”的交易策略中使用。

本文介绍轴心均值振荡器（PMO），它是累积移动平均线（CMA）的一种实现，作为一款 MetaTrader 平台的交易指标。特别是，我们首先引入数据轴心均值（PM）作为时间序列的常规化指数，该指数计算任意数据点位和 CMA 之间的分值。然后，我们依据两个 PM 信号均值之间的差值构建 PMO。报告还针对 EURUSD 品种还进行了一些初步实验，测试拟议指标的有效性，从而为将来的研究和改进留出了足够的空间。

本文提供了一种走势延续模型的程序化定义。主要思路是定义两个波浪 — 主浪和修正浪。对于极值点，我应用分形以及“潜在”分形 - 尚未形成分形的极值点。

在金融市场上进行交易是与各种风险相关的，这些风险在交易系统的算法中都应当被考虑到。降低这样的风险是在交易中获利的最重要的任务。

在交易账户上运行 EA 交易之前，我们通常会在报价历史上测试和优化它。然而，这里会有一个合理的问题: 过去的结果怎么会对我们的未来有所帮助呢?本文描述了使用蒙特卡洛方法来为交易策略的优化构建自定义的标准，另外，还会探讨 EA 交易的稳定性标准。

已经研究过 7 种移动平均线 (MA), 并已开发了与它们协同工作的交易策略。在单一交易策略中测试和比较各种移动平均线的工作已经完成了, 结果展示了所有给定移动平均线应用的可比较性能特征。

订阅者经常通过分析信号在提供者账户里的总增长来搜索适当的信号, 这不是个坏主意。然而, 分析特定交易策略的潜在风险也很重要。在本文中, 我们将展示一种基于其绩效值来评估交易信号的简单有效方法。

MQL5.com 网站能够记住你的一切！你有多少帖子受热捧，您的文章有多受欢迎，您的程序在代码库中被下载了多少次 – 这仅仅是 MQL5.com 记住的一小部分。您的成就可以在个人资料中找到，但是整体情况呢？在本文中，我将显示所有 MQL5.community 会员成就的概貌。

在本文中, 我们研究另一种基于分析余额图来优化自定义交易策略的准则。线性回归使用 ALGLIB 函数库中的函数进行计算。

本文介绍使用 MQL 中实现的内置测试器和辅助函数库来准确模拟前瞻优化的方法。

从“MQL5 应用商店”开始销售，转眼间已经一年过去了。一年来的兢兢业业勤勤恳恳，换来了一个新服务向 MetaTrader 5 平台自动交易和技术指标最大商店的华丽转身。

本文开始 DoEasy 函数库的新系列，与创建相关，从而简化和快速进行程序开发。在当前文章中，我们将为函数库实现访问和操控品种时间序列数据的功能。我们计划创建柱线（Bar）对象，来存储时间序列的主要和扩展的柱线数据，并将柱线对象置于时间序列列表之中，从而便于对象的搜索和排序。

在本文中我们将探讨，把每个用到的品种周期的柱形对象列表合并到单一品种时间序列对象之中。因此，每个品种均含一个对象，存储所有已用到品种时间序列周期的列表。

本文中，我想举一个例子说明交易者的程序会是什么样子，以及如果从头到始学习 MQL5，9 个月内能达到什么程度。这个例子还会显示出对于一个交易者而言，这样一种程序在占用价格图表最小空间的同时，其功能多样性与信息翔实性如何。而且，我们也会看出，可以通过何种方式，得到颜色多样、清晰明快且对于用户而言直观明确的交易信息面板。以及许许多多的其它功能...