Add a new article
复购算法：模拟多币种交易
复购算法：模拟多币种交易
在本文中，我们将创建一个模拟多币种定价的数学模型，并针对多元化原理进行彻底研究，作为搜索提高交易效率机制的一部分，我在上一篇文章中已经开始了理论计算。
如何利用 MQL5 检测趋势和图表形态
如何利用 MQL5 检测趋势和图表形态
在本文中，我们将提供一种通过 MQL5 自动检测价格行为形态的方法，如趋势（上行趋势、下行趋势、横盘整理）、图表形态（双顶、双底）。
首次启动MetaTrader VPS：分步说明
首次启动MetaTrader VPS：分步说明
使用EA交易或订阅信号的每个交易者几乎都会认识到，需要为自己的交易平台租用一个可靠的24/7全天候主机服务器。出于多种原因，我们建议使用MetaTrader VPS。您可以通过MQL5.community账户方便地支付服务费用和管理订阅。
复购算法：提高效率的数学模型
复购算法：提高效率的数学模型
在本文中，我们将使用复购算法来更深入地了解交易系统的效率，并开始研究使用数学和逻辑提高交易效率的一般原则，以及在使用任意交易系统方面应用更能提高效率的非标准方法。
另一个 MQL5 OOP 类
另一个 MQL5 OOP 类
本文会从一种理论性交易概念的构想，到编制一个在经验世界中实现这一概念的 MQL5 EA 交易，为您讲解如何从头建立一个面向对象的 EA 交易。依本人看，边做边学是取得成功的一种可靠方法。所以，我会拿出一个实用的例子，让您明白如何才能整理自己的想法，并最终完成外汇自动交易代码。和您一起遵守“面向对象”原则，也是我的目标之一。
MQL5 中的范畴论 (第 6 部分)：单态回拉和满态外推
MQL5 中的范畴论 (第 6 部分)：单态回拉和满态外推
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。
数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路
数据科学和机器学习（第 14 部分）：运用 Kohonen 映射在市场中寻找出路
您是否正在寻找一种可以帮助您驾驭复杂且不断变化的市场的尖端交易方法？ Kohonen 映射是一种创新的人工神经网络形式，可以帮助您发现市场数据中隐藏的形态和趋势。 在本文中，我们将探讨 Kohonen 映射的工作原理，以及如何运用它们来开发更智能、更有效的交易策略。 无论您是经验丰富的交易者，还是刚刚起步，您都不想错过这种令人兴奋的新交易方式。
数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析
数据科学和机器学习（第 13 部分）：配合主成分分析（PCA）改善您的金融市场分析
运用主成分分析（PCA）彻底革新您的金融市场分析！ 发现这种强大的技术如何解锁数据中隐藏的形态，揭示潜在的市场趋势，并优化您的投资策略。 在本文中，我们将探讨 PCA 如何为分析复杂的金融数据提供新的视角，揭示传统方法会错过的见解。 发掘 PCA 应用于金融市场数据如何为您带来竞争优势，并帮助您保持领先地位。
神经网络实验（第 4 部分）：模板
神经网络实验（第 4 部分）：模板
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。 简单的解释。
神经网络变得轻松（第三十六部分）：关系强化学习
神经网络变得轻松（第三十六部分）：关系强化学习
在上一篇文章中讨论的强化学习模型中，我们用到了卷积网络的各种变体，这些变体能够识别原始数据中的各种对象。 卷积网络的主要优点是能够识别对象，无关它们的位置。 与此同时，当物体存在各种变形和噪声时，卷积网络并不能始终表现良好。 这些是关系模型可以解决的问题。
数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论
数据科学与机器学习（第 11 部分）：朴素贝叶斯（Bayes），交易中的概率论
概率交易就像走钢丝一样 — 它需要精确、平衡和对风险的敏锐理解。 在交易世界中，概率就是一切。 这是成功与失败、盈利与亏损的区别。 通过利用概率的力量，交易者可以做出明智的决策，有效地管理风险，并实现他们的财务目标。 故此，无论您是经验丰富的投资者还是交易新手，了解概率都是解锁您的交易潜能的关键。 在本文中，我们将探索令人兴奋的概率交易世界，并向您展示如何将您的交易博弈提升到一个新的水平。
多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I）
多层感知器和反向传播算法（第 3 部分）：与策略测试器集成 - 概述（I）
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。
艾伦·安德鲁斯和他的时间序列分析技术
艾伦·安德鲁斯和他的时间序列分析技术
艾伦·安德鲁斯（Alan Andrews）是现世代在交易领域最著名的“教育家”之一。 他的“草叉”几乎包含在所有现代报价分析程序当中。 但大多数交易者没机会用过此工具，甚至是其提供的一小部分。 此外，安德鲁斯最初的培训课程不仅包括对草叉的描述（尽管它仍然是主要工具），还包括其它一些有用的结构。 本文提供了对安德鲁斯在其原始课程中教授的奇妙图表分析方法的见解。 （流量焦虑用户）请当心，会有很多图像。
交易中的道义期望
交易中的道义期望
这篇文章是关于道义期望。 我们将看到在交易中运用它的若干示例，以及在它的帮助下可以达成的结果。
如何选择智能系统：拒绝一款交易机器人的 20 条强大准则
如何选择智能系统：拒绝一款交易机器人的 20 条强大准则
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。