第 16 页 —— 交易系统的算法交易文章

在本文中，我们将目睹如何利用事件处理系统快速有效地处理与订单系统相关的问题。配合这个系统，EA 就能更快地工作，如此它就不必持续不断地搜索所需的数据。

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。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。交易者应当始终明白自动 EA 正在做什么，以便若它“偏离轨道”，交易者可以尽早将其从图表中删除，并控制事态。

我们继续研究分布式 Q-学习。今天我们将从另一个角度来看待这种方式。我们将研究使用分位数回归来解决价格预测任务的可能性。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。当前状态下，我们的 EA 已能在任何状况下工作，但尚未准备好自动化。我们仍然需要在几点上努力。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。在上一篇文章的末尾，我建议允许手工操作 EA 是合适的，至少在一段时间内。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。在上一篇文章中，我们已启动开发一个在自动化 EA 中使用的订单系统。然而，我们只创建了一个必要的函数。

今天，我们将看到如何创建一个在自动模式下简单安全地工作的智能系统。在上一篇文章中，我们讨论了任何人在继续创建自动交易的智能系统之前需要了解的第一步。我们首先研究了概念和结构。

在本文中，您将发现利用 MQL5 处理最重要的指示线（如趋势线、支撑线和阻力线）的方法。

我们在本系列的早期文章中领略了 Q-学习方法。此方法均化每次操作的奖励。 2017 年出现了两篇论文，在研究奖励分配函数时展现出了极大的成功。我们来研究运用这种技术解决我们问题的可能性。

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。这些系列文章将提出 MQL5 向导应该是交易者在此领域努力的中流砥柱。

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。

本文是我们关于如何基于最流行的技术指标设计交易系统的系列中的一篇新文章。我们将学习一个新的指标，即分形（Fractals）指标，我们将学习如何设计一个基于它的交易系统，从而能在 MetaTrader 5 终端中执行。

在上一篇文章中，我们开始探索非梯度优化方法。我们领略了遗传算法。今天，我们将继续这个话题，并将研究另一类进化算法。

在本文中，我们将完成有关如何基于最流行的技术指标设计交易系统的系列文章。我们将学习如何创建基于鳄鱼指标的交易系统。

与线性回归不同，多项式回归是一种很灵活的模型，旨在更好地执行线性回归模型无法处理的任务，我们来找出如何在 MQL5 中制作多项式模型，并据其做出积极东西。

这是我们系列中有关如何基于最热门指标设计交易系统的一篇新文章，这回我们将详细讨论 Ichimoku 指标，以及如何依据该指标设计交易系统。

本文是有关您在回测报告中看不到的内容，使用自动交易软件时您应该期望什么；如果您正在使用智能系统，该如何管理您的资金；以及如果您正在使用自动化过程，如何弥补重大亏损从而坚持交易活动。

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。

我们系列中的一篇新文章，介绍如何通过最流行的技术指标创建简单的交易系统。我们将学习一个新的加速（Accelerator）振荡器指标，我们将学习如何利用它来设计交易系统。

今天我想给大家介绍一种略有不同的学习方法。我们可以说它是从达尔文的进化论中借鉴而来的。它可能比前面所讨论方法的可控性更低，但它允许训练不可微分的模型。

在我们系列的这篇新文章中，我们将学习一种也许对我们的交易有用的新技术工具。它是奥森姆（Awesome）振荡器（(AO）指标。我们将学习如何基于该指标设计交易系统。

在本系列的前几篇文章中，我们见识到两种增强的学习算法。它们中的每一个都有自己的优点和缺点。正如在这种情况下经常发生的那样，接下来的思路是将这两种方法合并到一个算法，使用两者间的最佳者。这将弥补它们每种的短处。本文将讨论其中一种方法。

我们系列中的新篇章，介绍如何基于最流行的技术指标设计交易系统。在本文中，我们将学习如何基于相对活力（Vigor）指数指标来做到这一点。

我们继续从 EA 中删除单独的部件。这是本系列中的最后一篇文章。并且最后要移除的是声音系统。如果您之前没有关注过这些文章系列，可能会有点困惑。

在本文中，我们将学习如何让 MetaTrader 5 平台谈话。我们如何才能让 EA 更有趣呢？金融市场交易往往过于无聊和单调，但我们能够令这项工作少些无趣。请注意，对于那些经历过上瘾等问题的人来说，这个项目可能是危险的。然而，在一般情况下，它只会让事情聊胜于无。

此为我们系列中的一篇新文章，介绍如何基于最流行的技术指标设计交易系统。在本文中，我们将介绍如何基于 DeMarker 指标创建交易系统。

我们继续研究强化学习方法。在上一篇文章中，我们领略了深度 Q-学习方法。按这种方法，已训练模型依据在特定情况下采取的行动来预测即将到来的奖励。然后，根据政策和预期奖励执行动作。但并不总是能够近似 Q-函数。有时它的近似不会产生预期的结果。在这种情况下，近似方法不应用于功用函数，而是应用于动作的直接政策（策略）。其中一种方法是政策梯度。