Algorithmic Trading Articles for 测试器

基于元柱线的指标比之传统指标，能检测到的蜡烛更多。我们来检查一下这能否在自动交易中提供真正的益处。

我们已设法开发了一套以逼真和可访问的方式来实现市场回放的系统。现在，我们继续我们的项目，并添加数据，从而提升回放行为。

范畴论是数学的一个多样化和不断扩展的分支，直到最近才在 MQL5 社区中得到一些报道。这些系列文章旨在探索和验证一些概念和公理，其总体目标是建立一个开放的函数库，提供洞察力，同时也希望进一步在交易者的策略开发中运用这个非凡的领域。

本文讲述在各种优化问题中采用电磁算法（EM - ElectroMagnetism）的原理、方法和可能性。 EM 算法是一种高效的优化工具，能够处理大量数据和多维函数。

范畴论是数学的一个多样化和不断扩展的分支，到目前为止，在 MQL5 社区中还相对难以发现。这些系列文章旨在介绍和研究其一些概念，其总体目标是建立一个开放的函数库，提供洞察力，同时希望在交易者的策略开发中进一步运用这一非凡的领域。

我们继续创建系统和控制。没有掌控服务的能力，就很难向前推进和改进系统。

我们从梳理当前状况开始，因为我们尚未以最好的方式开始。如果我们现在不这样做，我们很快就会遇到麻烦。

树苗播种和成长（SSG）算法的灵感来自星球上最具韧性的生物之一，在各种条件下都表现出杰出的生存能力。

这一次，我们尝试换一种不同的方式来实现 1 分钟的目标。然而，这项任务并非如人们想象的那么简单。

在本文中，我将研究猴子优化算法（MA）。这些动物克服困难障碍，并到达最难以接近的树顶的能力构成了 MA 算法思想的基础。

如何创建一个系统，让我们在闭市后也能研究市场，甚至模拟市场情况？在此，我们将开始一系列新的文章，在其中我们将应对这个主题。

多层感知器是简单感知器的演变，可以解决非线性可分离问题。结合反向传播算法，可以有效地训练该神经网络。在多层感知器和反向传播系列的第 3 部分当中，我们将见识到如何将此技术集成到策略测试器之中。这种集成将允许使用复杂的数据分析，旨在制定更好的决策，从而优化您的交易策略。在本文中，我们将讨论这种技术的优点和问题。

本文尝试回答这个问题：我们如何选择正确的智能系统？哪些最适合我们的投资组合，我们如何过滤市场上提供的庞大交易机器人列表？本文将介绍二十条明确而强大的准则来拒绝一款智能系统。每条提出的准则都将得到很好的解释，从而帮助您做出更持久的决定，并为您建立一个更有前途的智能系统集合，从而赚取利润。

在本文中，我将在 MetaTrader 5 中检查并优化二元期权策略。

根据本系列文章的用户和读者的评论和要求，程序已进行了修改。本文包含一个自动优化器的新版本。该版本实现了所需的功能，并提供了其他改进，这些是我运用该程序操作时发现的。

马尔可夫（Markov）链是一个强大的数学工具，能够针对包括金融在内的各个领域的时间序列数据进行建模和预测。在金融时间序列建模和预测中，马尔可夫链通常用于模拟金融资产随时间的演变，例如股票价格或汇率。马尔可夫链模型的主要优点之一是其简单性和易用性。

鱼群搜索（FSS）是一种新的优化算法，其灵感来自鱼群中鱼的行为，其中大多数（高达 80%）游弋在有组织的亲属群落中。经证明，鱼类的聚集在觅食效率和保护捕食者方面起着重要作用。

我将研究的下一个算法是 Levy 飞行正在使用的杜鹃搜索优化。这是最新的优化算法之一，也是排行榜的新领导者。

自动判定经纪商时移和 GMT。与其请求您的经纪商的支持，您可能会从他们那里得到一个不充分的答案（他们很愿意解释时间错位），我们只需自行查看在时间变化的几周内他们如何计算价格 — 但手工操作极其繁琐，我们让程序来做这件事 — 毕竟这就是为什么我们要有一台 PC。

我们来研究一种最新的现代优化算法 — 灰狼优化。测试函数的原始行为令该算法成为以前研究过的算法中最有趣的算法之一。这是训练神经网络的顶级算法之一，具有许多变量的平滑函数。

在本文中，我们将研究人工蜂群的算法，并用研究函数空间得到的新原理来补充我们的知识库。在本文中，我将陈列我对经典算法版本的解释。

这次我将分析蚁群优化算法。该算法非常有趣且复杂。在本文中，我尝试创建一种新型的 ACO。

什么是帧分析器（Frames Analyzer）？这是适用于任意智能系统的一个插件模块，在策略测试器中、以及测试器之外进行参数优化期间，该工具在参数优化完成后立即读取测试创建的 MQD 文件、或数据库，并分析优化帧数据。您能够与拥有帧分析器工具的其他用户共享这些优化结果，从而共同讨论结果。

在本文中，我将研究流行的粒子群优化（PSO）算法。之前，我们曾讨论过优化算法的重要特征，如收敛性、收敛率、稳定性、可伸缩性，并开发了一个测试台，并研究了最简单的 RNG 算法。

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。本系列文章将提出，MQL5 向导应该是交易者的支柱。

今天我们将再次用到 Chart Trade，但这回它作为一个图表上的指标，或许也可能不在图表上出现。

在本文中，我将向您展示如何计算任何交易的总盈利或亏损，包括佣金和掉期利息。我会提供最精准的数学模型，并依据它来编写代码，之后将其与标准进行比较。此外，我还将尝试进入主要 MQL5 函数的内部来计算利润，并从规则中获取所有必要值的根底。

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。

在本文中，我将利用实验和非标准方法开发一个可盈利的交易系统，并验证神经网络是否对交易者有任何帮助。若在交易中运用神经网络的话， MetaTrader 5 完全可作为一款自给自足的工具。

今天的交易者都是一位哲学家，他几乎总是（有意识地或无意识地）寻找新的思路，尝试它们，选择修改或抛弃它们；这是一个需要付出相当勤奋程度的探索过程。这显然会花费交易者高昂的时间，且需要避免错误。本系列文章将提出，MQL5 向导应该是交易者的支柱。为什么呢？因为交易者不仅经由 MQL5 向导组装他的新想法来节省时间，而且大大减少了重复编码的错误；他最终会把精力集中在交易哲学的几个关键领域。