Algorithmic Trading Articles for 交易系统

在处理时间序列时，我们始终按其历史序列使用源数据。但这是最好的选项吗？有一种观点认为，改变输入数据顺序将提高训练模型的效率。在本文中，我邀请您领略其中一种优化输入序列的方法。

需要注意的一点是：虽然服务代码没有包含在本文中，只会在下一篇文章中提供，但我会解释一下，因为我们将使用相同的代码作为我们实际开发的跳板。因此，请保持专注和耐心。等待下一篇文章，因为每一天都变得更加有趣。

使用MQL5实现基于布林带交易策略的自动化交易算法的逐步指南。这是一个基于创建EA的详细教程，对交易者非常有帮助。

释放您的潜力！您会被无数机会包围。发现开启您的MQL5之旅或将其提升到更高水平的三大顶级秘诀。让我们深入探讨适合初学者和专业人士的技巧和窍门。

您应当知道的 MQL5 向导技术（第 22 部分）：条件化生成式对抗网络（cGAN）

生成式对抗网络是一对神经网络，它们彼此相互训练，以便结果更精准。我们采用这些网络的条件化类型，作为我们正在寻找的可选项，应用于智能信号类之内预测金融时间序列。

在本文中，我们继续实现 ATFNet 模型的方式，其在时间序列预测内可自适应地结合 2 个模块（频域和时域）的结果。

在本文中，我们将讨论如何构建能够根据当前市场条件自主选择和更改交易策略的EA。我们将学习马尔可夫链（Markov Chains）以及它们如何帮助我们作为算法交易者。

通过动态功能增强 MQL5 图形用户界面（GUI）面板，可以大大改善用户的交易体验。通过整合互动元素、悬停效果和实时数据更新，该面板成为现代交易者的强大工具。

FreDF 方法的作者通过实验证实了结合频域和时域进行预测的优势。不过，权重超参数的使用对于非稳态时间序列并非最优。在本文中，我们将领略结合频域和时域预测的自适应方法。

在本文中，我们将探讨在MQL5中创建指标的一种非标准方法。我们的目标不是专注于趋势或图表形态，而是管理我们自己的仓位，包括部分入场和出场。我们将广泛使用动态矩阵以及一些与交易历史和未平仓头寸相关的交易函数，以在图表上显示这些交易发生的位置。

本文探讨了一种将线性判别分析（LDA）与布林带相结合的交易策略，利用对市场区域的分类预测来生成战略性入场信号。

默认情况下，财经日历数据在策略测试器中不可用于智能系统测试。我们看看数据库能如何提供帮助，绕过这个限制。故此，在本文中，我们会探讨如何使用 SQLite 数据库来存档财经日历新闻，如此这般，由向导组装的智能系统就可以用它来生成交易信号。

了解如何利用MQL5精准预测标普500指数，结合经典技术分析以增强稳定性，并将算法与经过时间验证的原则相结合，以获得稳健的市场洞察。

本文介绍一个基于EMA交叉信号的自动交易算法，该算法适用于MetaTrader 5平台。文章详细阐述了在MQL5中开发一个EA所需的方方面面，以及在MetaTrader 5中进行测试的过程——从分析价格区间行为到风险管理。

我们继续探索时间序列在频域中的分析和预测。在本文中，我们将领略一种在频域中预测数据的新方法，它可被加到我们之前研究过的众多算法当中。

混沌理论可以应用于金融市场吗？在这篇文章中，我们将探讨传统混沌理论和混沌系统与比尔·威廉姆斯提出的概念有何不同。

当我们逐渐接近获得一个现成的 EA 时，我们需要注意在测试交易策略阶段看似次要的问题，但在转向真实交易时变得重要。

符号回归是一种回归形式，它从最小、甚或没有假设开始，而底层模型看起来应当映射所研究数据集。尽管它可以通过贝叶斯（Bayesian）方法、或神经网络来实现，但我们看看如何使用遗传算法实现，从而有助于在 MQL5 向导中使用自定义的智能信号类。

您应当知道的 MQL5 向导技术（第 19 部分）：贝叶斯（Bayesian）推理

贝叶斯（Bayesian）推理是运用贝叶斯定理，在获得新信息时更新概率假设。这在直观上倾向于时间序列分析中的适应性，那么我们来看看如何运用它来构建自定义类，不仅针对信号，还有资金管理、和尾随破位。

通过研究 FEDformer 方法，我们打开了时间序列频域表述的大门。在这篇新文章中，我们将继续一开始的主题。我们将研究一种方法，据其我们不仅能进行分析，还可以预测特定区域的后续状态。

之前开发的风险管理器仅包含基本功能，让我们试着探讨其可能的开发方式，使我们能够在不干扰交易策略逻辑的情况下改善交易结果。

本文中，我们将在MQL5中开发一个动态多品种、多周期相对强弱指数（RSI）指标仪表盘，为交易者提供跨不同品种和时间段的实时RSI值。该仪表盘具备交互式按钮、实时更新功能和有色编码的指标，以帮助交易者做出明智的决策。

我们为 macOS 上的 MetaTrader 5 交易平台提供了专用的安装程序。它是一个功能齐全的向导，允许您以本机方式安装应用程序。安装程序执行所有必需的步骤：它识别您的系统，下载并安装最新的 Wine 版本，对其进行配置，然后在其中安装 MetaTrader。所有步骤都在自动模式下完成，您可以在安装后立即开始使用平台。

聪明资金概念（结构突破）与 RSI 指标相结合，可根据市场结构做出明智的自动交易决策。

在本文中，我们将详细探讨为开发专家顾问（EA）所准备的指标的相关内容。我们不仅会讨论如何对当前版本的指标进行进一步改进，以提升其准确性和功能，还会引入全新的功能来标记退出点，以弥补之前版本仅具备识别入场点功能的不足。

在第四篇中，我们重新审视了之前开发的“简单对冲”和“简单网格”智能系统（EA）。我们的专注点转移到通过数学分析和暴力方式完善简单网格 EA，旨在优化策略用法。本文深入策略的数学优化，为在以后文章中探索未来基于编码的优化奠定了基础。

虽然模块之间已经可以正常交互，但在回放服务中尝试使用鼠标指标时会出现错误。在进入下一步之前，我们需要解决这个问题。此外，我们还将修复鼠标指标代码中的一个问题。所以这个版本经过适当的打磨，最终会稳定下来。

到目前为止，我们研究过的所有模型在分析环境状态时都将其当作时间序列。不过，时间序列也能以频率特征的形式表示。在本文中，我将向您介绍一种算法，即利用时间序列的频率分量来预测未来状态。

本文从详细的角度讨论了如何基于交易算法实现 EA 交易系统的创建。这有助于在 MQL5 中实现系统自动化，并控制每日回撤。

我们的一个主要挑战是：如何管理运行相同程序但具有不同功能的同一货币对的多个图表窗口。让我们讨论一下如何将多个窗口集成整合到一个主程序中。此外，我们还将分享如何配置程序以将信息打印到日志中，以及在图表界面上对成功发出的信号进行注释的见解。随着本系列文章的推进，您将在本文中找到更多的相关信息。

想象一下，您可以使用 MetaTrader 中没有的数据，您只能通过价格分析和技术分析从指标中获得数据。现在想象一下，您可以访问数据，这将使你的交易能力更高。如果您通过 API（应用程序编程接口）数据混合其他软件、宏观分析方法和超高级工具的输出，您就可以倍增 MetaTrader 软件的力量。在本文中，我们将教您如何使用 API，并介绍有用和有价值的 API 数据服务。

许多人喜欢它们，但却只有少数人理解神经网络背后的整个操作。在本文中，我尝试用淳朴的语言来解释前馈多层感知，解密其封闭大门背后的一切。

本文概述了如何创建一个基于价格突破震荡区间进行交易的EA。通过识别震荡区间并设定突破水平，交易者可以基于这一策略自动化其交易决策。该EA旨在为交易者提供明确的入场和出场点，同时避免虚假突破。

在本文中，我们将实现一个控制指标，以便它可以集成到我们正在开发的消息系统中。虽然这并不难，但关于这个模块的初始化，有一些细节需要了解。此处提供的材料仅用于教育目的。除了学习和掌握所示的概念外，绝不应将其视为任何目的的应用程序。

为尝试获得最准确的预测，研究人员经常把预测模型复杂化。而反过来又会导致模型训练和维护成本增加。这样的增长总是公正的吗？本文阐述了一种算法，即利用线性模型的简单性和速度，并演示其结果与拥有更复杂架构的最佳模型相当。

在本文中，我们将探讨如何将多个真正功能模块中的第一个组合在一起，用于回放/模拟器系统，这些模块也将用于其他用途。我们现在说的是鼠标模块。

在本文的第一部分中，我们将深入化学反应的世界并发现一种新的优化方法！化学反应优化 (CRO，Chemical reaction optimization) 利用热力学定律得出的原理来实现有效的结果。我们将揭示分解、合成和其他化学过程的秘密，这些秘密成为了这种创新方法的基础。

攻击角度是一个经常被引用的指标，其陡峭程度被认为与当前趋势的强度密切相关。让我们来看一下通常如何使用和理解该指标，并探讨在测量时是否可以做出一些改变，以优化那些将其纳入交易系统的应用效果。

我们已经实现了自动化优化的第一阶段。我们根据若干标准对不同的交易品种和时间框架进行优化，并将每次通过的结果信息存储在数据库中。现在我们将从第一阶段找到的参数集中选择最佳组。

预测在时间序列分析中扮演重要角色。在新文章中，我们将谈谈时间序列补片化的益处。

神经网络变得简单（第 94 部分）：优化输入序列

开发回放系统（第 57 部分）：了解测试服务

使用MQL5实现布林带交易策略：逐步指南

从新手到专家：MQL5交易的必备之旅

您应当知道的 MQL5 向导技术（第 22 部分）：条件化生成式对抗网络（cGAN）

神经网络变得简单（第 93 部分）：频域和时域中的自适应预测（终篇）

使用MQL5与Python构建自我优化的智能交易系统

在 MQL5 中创建交互式图形用户界面（第 2 部分）：添加控制和响应

神经网络变得简单（第 92 部分）：频域和时域中的自适应预测

自定义指标：为净额结算账户绘制部分入场、出场和反转交易

重塑经典策略（第二部分）：布林带突破

您应当知道的 MQL5 向导技术（第 21 部分）：配以财经日历数据进行测试

S&P 500交易策略在MQL5中的实现（适合初学者）

在MetaTrader 5中实现基于EMA交叉的级联订单交易策略

神经网络变得简单（第 91 部分）：频域预测（FreDF）

交易中的混沌理论（第一部分）：简介、在金融市场中的应用和李亚普诺夫指数

开发多币种 EA 交易系统（第 15 部分）：为真实交易准备 EA

您应当知道的 MQL5 向导技术（第 20 部分）：符号回归

您应当知道的 MQL5 向导技术（第 19 部分）：贝叶斯（Bayesian）推理

神经网络变得简单（第 90 部分）：时间序列的频率插值（FITS）

开发多币种 EA 交易系统（第 14 部分）：风险管理器的适应性交易量变化

在MQL5中创建动态多品种、多周期相对强弱指数（RSI）指标仪表盘

MacOS 上的 MetaTrader 5

如何将聪明资金概念（SMC）与 RSI 指标结合到 EA 中

构建蜡烛图趋势约束模型（第7部分）：为EA开发优化我们的模型

改编版 MQL5 网格对冲 EA（第 IV 部分）：优化简单网格策略（I）

开发回放系统（第 56 部分）：调整模块

神经网络变得简单（第 89 部分）：频率增强分解变换器（FEDformer）

在 MQL5 中创建每日回撤限制器 EA

构建K线图趋势约束模型（第六部分）：一体化集成

在您的 MQL 项目中使用 JSON 数据 API

数据科学与机器学习 — 神经网络（第 01 部分）：前馈神经网络解密

使用MQL5开发基于震荡区间突破策略的EA

开发回放系统（第 55 部分）：控制模块

神经网络变得简单（第 88 部分）：时间序列密集编码器（TiDE）

开发回放系统（第 54 部分）：第一个模块的诞生

化学反应优化（CRO）算法（第一部分）：在优化中处理化学

MQL5 向导技巧须知（第27部分）：移动平均线与攻击角度

开发多币种 EA 交易 (第 13 部分):自动化第二阶段 — 分组选择

神经网络变得简单（第 87 部分）：时间序列补片化