第 16 页 —— 统计分析的算法交易文章

我们之前已研究过各种类型的神经网络及其实现。在所有情况下，训练神经网络时都使用梯度下降法，为此我们需要选择学习率。在本文中，我打算通过示例展示正确选择学习率的重要性，及其对神经网络训练的影响。

本文研究基于基准抽象指标衍生对象类的创建。这些对象所提供功能，可访问创建的指标 EA，收集和获取各种指标和价格数据的数值统计信息。同样，创建指标对象集合，从中可以访问程序中创建的每个指标的属性和数据。

在这篇文章中，我将展示在选择一个系统或信号来投资你的资金时所使用的标准，以及描述开发交易系统的最佳方法，并强调这个问题在外汇交易中的重要性。

本文研究创建一个抽象指标，其将进一步用作创建函数库标准指标和自定义指标对象的基类。

我们早前已经讨论过某些类型的神经网络实现。在所研究的网络中，每个神经元都重复相同的操作。逻辑上进一步应利用现代技术提供的多线程计算功能来加快神经网络学习过程。本文介绍了一种可能的实现方式。

在本文中，我们将搜索市场模式，根据确定的模式创建 EA 交易，并检查这些模式，如果它们保持有效的话，保持有效的时间有多少。

我们继续研究神经网络的世界。在本文中，我们将研究另一种类型的神经网络，循环网络。此类型建议与时间序列配合使用，其在 MetaTrader 5 交易平台中由价格图表呈现。

本文旨在尽可能简单、快速地描述外汇交易的主要特点，并与初学者分享一些基本的想法。它还试图回答交易界最诱人的问题，同时展示一个简单指标的开发。

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。

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。

在文章里，我们将改进函数库的方法，以便正确显示多品种、多周期的标准指标，即那些在当前品种图表上显示曲线，并可在设置中指定位移的指标。同样，我们按照标准指标的操纵方法进行排序，并在最终的指标程序里将多余的代码移至函数库区域。

本文探讨了开发交易算法的方法，即使用一致的科学方法来分析可能的价格模式，并基于这些模式构建交易算法。开发的理念是通过实例来展示的。

作为神经网络主题的延续，我建议研究卷积神经网络。这种类型的神经网络通常用来分析视觉成像。在本文中，我们将研究这种网络在金融市场中的应用。

DoEasy 函数库中的时间序列（第四十九部分）：多周期、多品种、多缓冲区标准指标

在本文中，我将改进库类，从而满足需要多个缓冲区来显示其数据的多品种、多周期标准指标的开发能力。

本文研究了一个示例，该示例使用单个指标缓冲区来创建多品种、多周期标准指标，以便在指标子窗口中进行构造和操作。我会准备库类，以便在程序主窗口中与标准指标一起操作，并有多个缓冲区来显示其数据。

在第二篇文章中，我们将继续研究神经网络，并研究在智能交易系统当中调用我们所创建 CNet 类的示例。我们将操控两个神经网络模型，它们在训练时间和预测准确性方面都表现出相似的结果。

交易者经常谈论趋势和横盘，但很少有人真正了解趋势/横盘是什么，甚至很少能够清楚地解释这些概念。讨论这些基本术语通常会受到一系列顽固偏见和误解的困扰。然而，如果我们想赚钱，就需要了解这些概念的数学和逻辑含义。在本文中，我将仔细研究趋势和横盘的本质，并尝试定义行情结构是基于趋势/横盘，亦或其他。我还将研究在趋势和横盘行情上获利的最佳策略。

我们通常使用烛条或条形图来分析行情，将价格序列切分成规则间隔。这样的离散化方法不会扭曲行情走势的真实结构吗？将音频信号离散化为规则间隔是可以接受的解决方案，因为音频信号是随时间变化的函数。信号本身是取决于时间的幅度。该信号属性是基本的。

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。

在本文中，我着手开发操控标准指标的方法，最终能够基于函数库类创建多品种、多周期的标准指标。此外，我将在时间序列类中添加“跳过柱线”事件，并将函数库的预备函数移至 CEngine 类，从而消减主程序代码中的过多负载。

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。

在本文中，我将继续改进指标缓冲区对象类，从而可在多品种模式下操作。这为自定义程序中创建多品种、多周期指标提供了途径。我会在计算缓冲区对象里添加缺失的功能，从而令我们可创建多品种、多周期的标准指标。

在本文中，我将着手改进指标缓冲区对象和集合类，从而可在多周期和多品种模式下操作。我打算在当前品种图表上的任何时间帧内接收和显示数据缓冲区对象的操作。

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。

本文介绍如何创建指标缓冲区对象类的集合。我计划测试为指标创建和操控任意数量缓冲区的能力（在 MQL 指标中可以创建的最大缓冲区数量为 512）。

本文研究开发指标缓冲区对象类，其为抽象缓冲区对象的衍生类，从而可简化声明，并可操控指标缓冲区，同时创建基于 DoEasy 库的自定义指标程序。

在本文中，我们开始为 DoEasy 库开发指标缓冲区类。我们将创建抽象缓冲区的基类，该基类将作为开发不同类型指标缓冲区的基础。

在本文中，我们将研究一个运用 DoEasy 库时间序列类的多品种多周期指标样品，该类在子窗口中以蜡烛的形式显示选定时间帧内选定货币对的图表。我稍微修改了库类，并创建了一个单独的文件来存储程序输入的枚举，并选择一种编译语言。

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。

本文讨论如何应用 DoEasy 库来创建多品种、多周期指标。我们准备在指标中操控函数库类，并创建时间序列作为指标的数据源进行测试。我们还将实现时间序列事件的创建和发送。

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。

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。

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。

本文探讨运用经验分解模式（EMD）预测时间序列的理论和实际应用。它提议以 MQL 实现此方法，并出示了测试指标和智能交易系统。

在本文中，我们将完成延后请求交易概念的论述，并创建删除挂单，以及在特定条件下修改挂单和持仓的功能。由此，我们将拥有完整的功能，令我们能够开发简单的自定义策略，或者根据用户定义的条件激活 EA 行为逻辑。

3D 图形为大数据分析提供了完美的方案，它可以直观透视隐藏的形态。这些任务能以 MQL5 直接解决，而 DireсtX 函数允许创建三维物体。故其能够为 MetaTrader 5 创建任意复杂度的程序，甚至 3D 游戏。学习 3D 图形，从绘制简单的三维形状开始。

我们继续开发利用延后请求进行交易的函数库功能。我们已实现了发送开仓和下挂单的条件交易请求。在本文中，我们将实现条件平仓 – 全部、部分和由逆向仓位平仓。

神经网络变得轻松（第六部分）：神经网络学习率实验

DoEasy 函数库中的时间序列（第五十四部分）：抽象基准指标类的衍生

开发和分析交易系统的最佳方法

DoEasy 函数库中的时间序列（第五十三部分）：抽象基准指标类

神经网络变得轻松（第五部分）：OpenCL 中的多线程计算

模式搜索的暴力方法

神经网络变得轻松（第四部分）：循环网络

外汇交易的基础数学

如何从算法交易中赚取$1,000,000？使用MQL5.com服务！

并行粒子群优化

DoEasy 函数库中的时间序列（第五十部分）：多周期、多品种带位移的标准指标

开发交易算法的科学方法

神经网络变得轻松（第三部分）：卷积网络

DoEasy 函数库中的时间序列（第四十九部分）：多周期、多品种、多缓冲区标准指标

DoEasy 函数库中的时间序列（第四十八部分）：在单一子窗口里基于一个缓冲区的多周期、多品种指标

神经网络变得轻松（第二部分）：网络训练和测试

什么是趋势，行情结构是基于趋势还是横盘？

价格序列离散化，随机分量和噪音

检测超买/超卖区域的方法。第一部分

DoEasy 函数库中的时间序列（第四十七部分）：多周期、多品种标准指标

概率论与数理统计示例（第一部分）：基础与初级理论

DoEasy 函数库中的时间序列（第四十六部分）：多周期、多品种指标缓冲区

DoEasy 函数库中的时间序列（第四十五部分）：多周期指标缓冲区

神经网络在交易中的实际应用。是时候进行实践了

DoEasy 函数库中的时间序列（第四十四部分）：指标缓冲区对象类集合

DoEasy 函数库中的时间序列（第四十三部分）：指标缓冲区对象类

DoEasy 函数库中的时间序列(第四十二部分):抽象指标缓冲区对象类

DoEasy 函数库中的时间序列（第四十一部分）：多品种多周期指标样品

DoEasy 函数库中的时间序列（第四十部分）：基于函数库的指标 - 实时刷新数据

DoEasy 函数库中的时间序列（第三十九部分）：基于函数库的指标 - 准备数据和时间序列事件

DoEasy 函数库中的时间序列（第三十八部分）：时间序列集合 - 实时更新以及从程序访问数据

在交易中应用 OLAP（第四部分）：定量和可视化分析测试器报告

DoEasy 函数库中的时间序列（第三十七部分）：时间序列集合 - 按品种和周期的时间序列数据库

预测时间序列（第 2 部分）：最小二乘支持向量机（LS-SVM）

DoEasy 函数库中的时间序列（第三十五部分）：柱线对象和品种时间序列列表

DoEasy 函数库中的时间序列（第三十六部分）：所有用到的品种周期的时间序列对象

预测时间序列（第 1 部分）：经验分解模式（EMD）方法

轻松快捷开发 MetaTrader 程序的函数库（第三十四部分）：延后交易请求 - 在特定条件下删除和修改订单与持仓

如何在 MetaTrader 5 中利用 DirectX 创建 3D 图形

轻松快捷开发 MetaTrader 程序的函数库（第三十三部分）：延后交易请求 - 在特定条件下平仓