在之前的文章中，我们利用随机梯度下降法针对网络中的所有神经元按照相同的学习率训练神经网络。 在本文中，我提议着眼于自适应学习方法，该方法能够改变每个神经元的学习率。 我们还将研究这种方法的利弊。 在本文中，我将尝试测试这样一个假设，即任何对市场了解甚微的系统都可以在全局范围内运行。我不会发明任何理论或模式，但我只会使用已知的事实，逐步将这些事实转化为数学分析的语言。
本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此，我希望这篇文章能为广大读者提供一个很好的指导，帮助那些对评估机器学习能力感兴趣的人，并在他们的课程中实现这些能力。
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。
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。
这是该系列的下一篇文章，在其中我展示了如何创建一个函数库来，从而看便利地用键盘快捷键手动绘制图表图形。 所用工具包括直线及其组合。 在这一部分中，我们将查看如何在绘图工具里应用第一部分中讲述的函数。 该函数库可连接到任何 EA 或指标，这将大大简化绘图任务。 此方案未使用外部 dll，而所有命令都是由内置 MQL 工具实现的。 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。
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，我将试图详细解释什么是网格和马丁格尔，以及它们的共同点。此外，我将试着分析这些策略到底有多可行。这篇文章同时包含了数学和实践部分。
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。 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。
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。 在本文中，我们研究在 MetaTrader 和外部应用程序中进行对象加密/解密。 我们的目的是判断以相同初始数据获得相同结果的条件。
信号服务推广了可用于 MetaTrader 4 和 MetaTrader 5 平台的社群交易。该服务已集成在交易平台之中, 并且允许任何人轻松地跟单专业操盘手的交易。从数千信号提供者当中任意选择, 只需数次点击即可订阅，之后操盘手的交易将被复制到您的帐户。
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。 在本文中，我们将研究神经网络与交易终端集成的主要方面，从而创建功能齐全的交易机器人。 行情在一个月内下跌了 30％ 以上。 这似乎是测试基于网格和马丁格尔的智能交易系统的最佳时间。 本文是“创建跨平台网格 EA”系列的计划外延续。 当前行情为安排网格 EA 提供了疏解压力的机会。 因此，我们要把握这次机会，并测试我们的智能交易系统。 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。 又过了一个季度，我们已决定统计MetaTrader 应用商店的业绩 - MetaTrader平台最大的交易机器人和技术指标商店。 直至报告季度末期，有500多名开发者已经将他们的1200个产品放入MetaTrader 应用商店。 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。 本文介绍轴心均值振荡器（PMO），它是累积移动平均线（CMA）的一种实现，作为一款 MetaTrader 平台的交易指标。 特别是，我们首先引入数据轴心均值（PM）作为时间序列的常规化指数，该指数计算任意数据点位和 CMA 之间的分值。 然后，我们依据两个 PM 信号均值之间的差值构建 PMO。 报告还针对 EURUSD 品种还进行了一些初步实验，测试拟议指标的有效性，从而为将来的研究和改进留出了足够的空间。 MetaTrader 5 可以开发和测试同时交易多种金融资产的交易机器人。其内建的策略测试器能够自动从经纪商的服务器中下载所需的订单时刻历史，并会考虑到账户的合约规范，所以开发人员不用做任何人工工作。这可以使交易环境条件的重建能够简单和可靠，包括乃至不同交易品种中订单来临之间毫秒级的间隔。在本文中，我们将演示在两种莫斯科交易所期货上开发和测试一种点差策略。 在金融市场上进行交易是与各种风险相关的，这些风险在交易系统的算法中都应当被考虑到。降低这样的风险是在交易中获利的最重要的任务。 大程序都是从小文件开始，然后随着您不断添加更多的函数和对象而增长。 大多数的机器人开发人员都采用包含文件来应对此问题。 然而，有一个更好的解决方案：在一个项目中开始开发任意交易应用程序。 这样做的原因有很多。 在本文中，我们将展示如何探索标准库的交易策略类，以及如何使用 MQL5 向导的"模式和模型"逻辑添加自定义策略和过滤器/信号。最后，您将能够使用 MetaTrader 5 标准指标轻松地添加自己的策略，且 MQL5 向导将创建简洁而强大的代码以及功能完善的"EA 交易"。
于金融市场中交易存在许多风险，其中就包括最为严重的一种 - 做出错误交易决策的风险。每一位交易者都梦寐以求有一个交易机器人，它能始终保持良好状态，而且不会受制于人类的诸多弱点 - 恐惧、贪婪和没耐心。 自动剥头皮系统理所当然地被认为是算法交易的巅峰, 但同时它们的代码也最难编写。在本文中, 我们将介绍如何使用内置调试工具并基于接收的瞬时报价分析来构建策略, 以及可视测试。开发入场和离场规则, 往往需要经历多年的手工交易。但借助 MetaTrader 5, 您可以在真实历史数据的基础上快速测试任何策略。 为了扩大零售外汇交易者的可能性，我们新增第二种账户系统 - 锁仓系统。现在，每个交易品种可以有多位持仓，包括反向持仓。这就为实现基于所谓“锁定”的交易策略铺平了道路 - 如果价格移动方向与交易者相反，那么他们就可以新建一个反向持仓。 订阅者经常通过分析信号在提供者账户里的总增长来搜索适当的信号, 这不是个坏主意。然而, 分析特定交易策略的潜在风险也很重要。在本文中, 我们将展示一种基于其绩效值来评估交易信号的简单有效方法。 如果您不清楚交易类如何构造，而且一看到面向对象编程之类的词就害怕，那么，本文正适合您。实际上，那些编写您自己的交易信号模块的细节，您无需知道。只需遵循几条简单法则即可。MQL5 向导会完成所有其余工作，而您则会得到一个即用型的交易机器人！
您是否正在运用自己的策略进行交易？ 如果您的系统规则可以描述为正规的软件算法，那么最好将交易委托给自动智能系统。 机器人不需要睡觉或食物，也不会受到人类弱点的影响。 在本文中，我们将展示如何在自由职业服务版块订购交易机器人时创建需求规范。 从“MQL5 应用商店”开始销售，转眼间已经一年过去了。一年来的兢兢业业勤勤恳恳，换来了一个新服务向 MetaTrader 5 平台自动交易和技术指标最大商店的华丽转身。 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。 
