第 10 页 —— 交易的算法交易文章

在本文中，我们将展示 botbrains.app 的功能 — 一款无代码开发交易机器人的平台。若要创建一款交易机器人，您无需编写任何代码 — 只需将必要的模块拖放到规划图上，设置它们的参数，并在它们之间建立连接。

本文是前一篇文章的逻辑延续。它彰显一个事实，即确认第一篇文章的结论。这些事实在该书出版后的十年内就得以显露。它们围绕着三个检测到的描述市场价格变化形态的动态暂态函数展开。

您想成为一名成功的 MQL5 自由开发者吗？如果答案是肯定的，这篇文章适合您。

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。

能够简化和澄清时间、经纪商时移、以及夏季或冬季变更的时间处理函数和代码片段。准确的时序也许是交易中的一个关键因素。在当前钟点，伦敦或纽约的证券交易所是否已经或尚未开市，外汇交易的交易时间何时开始和结束？对于一名实况手工交易者来说，这不算是个大问题。

一款能为您报告经纪商平台出价/要价（Bid/Ask）水平的指标。现在我们可以利用 MT5 的即时报价数据来分析近期的历史真实平均买卖点差是多少。您不需要查看当前点差，因为若您同时显示出价和要价指示线时，该值已出示。

早前所研讨主题的逻辑延续，即针对交易任务开发多功能数学模型。在本文中，我将从头开始讲述与分形数学模型开发相关的整个过程。这个模型应成为一个重要的构建模块，且其是多功能和通用的。它将为我们遵循该思路深入开发奠定理论基础。

在本文中，我们将继续研究分形，并会特别留意总结所有材料。为此，我将尝试把所有早期开发归纳为一个紧凑的形式，这对于交易中的实际应用来说将是方便和易于理解的。

在本系列文章中，我们将尝试找寻概率论的实际运用来描述交易和定价过程。在首篇文章中，我们将研究组合数学和概率论的基础知识，并将分析如何在概率论的框架中应用分形的第一个例子。

在本文中，我将尝试扩展掉期利率交易方法的经典概念。我将解释为什么我会得出这样的结论，即这个概念值得特别关注，绝对推荐研究。

本文所提供的技术讲述，旨在提高任何自动交易系统的有效性。它简要解释了这个思路，以及它的基本原理、可能性和缺点。

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。

我将继续采用最少的必要功能来充实算法，并测试结果。其获利能力十分低下，但文章展示的全自动盈利交易的模型，是在不同的行情基本面及完全不同的金融产品上进行。

如果采用基于历史数据的优化方法来选择参数，就不可能得到真正稳定的算法。一个稳定的算法应该知道在任何时候操作任何交易工具时需要哪些参数。它不应该预测或猜测，它应该确定知道。

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。

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。

在本文中，我将通过改进先前创建的算法的灵活性来继续本主题的开发。随着分析窗口中烛形数量的增加，或烛形超额阈值百分比的增加，算法变得更加稳定。我不得不做出妥协，并设置一个更大的样本量进行分析或更大的烛形超额百分比。

在接下来的系列文章中，我将演示探讨大多数市场因素的自适应算法的开发，以及如何将这些情况系统化，用逻辑描述它们，并在您的交易活动中应用它们。我将从一个非常简单的算法开始，这个算法将逐渐获得理论，并发展成一个非常复杂的项目。

本文介绍了使用电子表格（Excel、Calc、Google）分析任何策略的基本原则和方法。所得结果与 MetaTrader 5 测试器进行了比较。

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。

使用 DeMark Sequential 和 Murray-Gann 水平分析图表

Thomas DeMark Sequential (序列）擅长显示价格变动的平衡变化。如果我们把它的信号与水平指标例如 Murray 水平相结合，就更为明显。这篇文章主要是为初学者和那些仍然找不到他们的“圣杯”。我还将展示一些我在其他论坛上没有看到的构建水平的功能。因此，这篇文章可能对高级交易者也很有用。欢迎提出建议和合理批评。

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。

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。

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。

本文专门介绍了程序化生成自定义品种（符号），这些自定义品种可用来演示一些显示报价的流行方法。它描述的是一种建议的微创智能交易系统改编方案，可用在派生的自定义品种图表上，如同真实品种一样。 MQL 源代码随附于文后。

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。