有关MQL5交易系统自动化的文章

本文探讨横盘时交易的优缺点。 本文中创建并测试了十种基于在通道内跟踪价格走势的策略。 每种策略都配有过滤机制，旨在避免入场的假信号。

本文展示了一个可视化的策略构建工具，它演示了任何用户如何不必编程就能创建交易机器人和相关工具。创建出的 EA 交易是完整功能的，并且可以在策略测试器中测试，通过云计算来优化或者实时运行于图表之上。

使用 bagging 的随机森林(Random Forest, RF) 是最强大的机器学习方法之一， 它略微弱于梯度 boosting，这篇文章尝试开发了一个自我学习的交易系统，它会根据与市场的交互经验来做出决策。

MQL 编程语言允许实现交易策略的模块化开发概念。 本文展示由单独编译的文件开发多模块组合的智能交易系统示例。

本文研究利用贝叶斯优化深度神经网络 (DNN) 超参数，获取各种训练变体的可能性。 比较不同训练变体中最优超参数 DNN 的分类品质。 DNN 最优超参数的有效性的深度已在前瞻性测试中得以验证。 改善分类品质的可能方向也已确定。

本文采用图形界面实现 MQL 应用程序来扩展可视化的优化过程。 图形界面采用 EasyAndFast 函数库的最新版本。 许多用户可能会问为什么他们在 MQL 应用程序中需要图形界面。 本文为交易者展示了众多实用情况之一。

本文基于拉尔夫·文斯 (Ralph Vince) 的 "资金管理中的数学"。 它所提供的经验和参数方法描述, 可用于查询交易手数的最优规模。 本文还介绍了基于这些方法实现 MQL5 向导的交易模块。

在本文中, 我们将完成测试交易货币对篮子时可能检测到的形态。在此, 我们会跟踪货币对中每支货币彼此相对的走势形态, 并展示其测试结果。

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。

价格趋势形成的价格通道可在金融产品的图表上观察到。突破当前通道是强趋势的反转信号之一。在本文中, 我推荐一种查找此类信号的自动处理方法, 并观察通道突破形态是否可用来创建交易策略。

这篇文章处理的是夜间交易的概念，以及使用 MQL5 来实现它们的交易策略。我们会进行测试并得出相应的结论。

在这篇文章中，我们会继续探讨根据 Linda B. Raschke 和 Laurence A. Connors 的 “华尔街智慧: 高胜算短线交易策略(Street Smarts: High Probability Short-Term Trading Strategies)”一书中描述的交易策略来书写代码，这一次我们将研究动量弹球系统(Momentum Pinball system): 我们会描述创建两个指标，交易机器人和一个其中的信号模块。

在本文中, 我们将分析 NRTR 指标, 并基于此指标创建一个交易系统。我们将会开发一个交易信号模块, 此模块可用来创建基于 NRTR 与附加趋势确认指标相结合的策略。

我们继续测试形态并尝试在文章中描述的交易货币对篮子的方法。让我们探讨在实际应用中是否可能使用组合 WPR 图与移动平均交叉的形态，如果答案是可以，我们应当考虑适当的使用方法。

本文研究使用 MQL5 标准工具依据迪纳波利 (DiNapoli) 等级进行实际交易的智能交易系统变种。对其性能进行了测试并得出结论。

本文提出了一种技术, 通过汇集一套独立的指标, 以及开发定制的入场信号, 帮助每个人创建定制的交易策略。

为了成功交易, 我们几乎总是需要指标来把主要价格走势与噪音波动剥离。在本文中, 我们考察最有前途的数字滤波器之一, 卡尔曼滤波器。本文将介绍如何绘制和使用滤波器。

本文讨论流行的交易方法 - 三角套利。在此我们尽可能详细地分析该主题, 研究策略的正、负两方面, 并开发即用的智能交易系统代码。

本文研究使用模糊函数库建立基于模糊逻辑的简单交易系统示例。结合提议的模糊逻辑、遗传算法和神经网络改进的系统变体。

本文研究经典背离构造方法, 并提供了另外一种解读背离的方法。基于这种新的解释方法开发了交易策略。本文中也描述了这一策略。

本文所述交易系统的不同寻常之处主要是使用数学工具分析股票报价。系统应用了数字滤波和离散时间序列的频谱估值。策略的理论层面已描述过, 并曾创建了一款测试智能交易系统。

本文探讨基于图表线性标记创建自动交易系统的一种简单方法, 并提供了一款使用 MetaTrader 4/5 标准对象属性的现成智能交易系统, 可支持主要交易操作。

我们开始测试形态, 并尝试有关交易货币对篮子的文章中所描述的方法。我们看看在实践中如何应用超卖/超买等级的突破形态。

本文研究建立高效交易的推荐制系统的思想和方法, 结合了贝叶斯定理基础之上的重要机器学习方法, 以及奇异频谱分析 (SSA) 的预测能力。

本文详述一款由 Joe DiNapoli 开发的基于菲波纳奇等级的交易系统。文中将会解释系统蕴含的思路和主要概念, 并提供了一款简单的指标作为例子, 便于更清晰地理解。

在本文中, 我将告诉您如何把一个非常著名的策略与神经网络合并以便成功交易。这就是运用人工智能系统实现的 Thomas DeMark 次序策略。仅应用了策略的第一部分, 使用设置和交汇信号。

在本文中, 我们开发并测试若干种基于 Donchian 通道和各种指标滤波器的策略。我们还对其操作进行了比较分析。

本文简要概述了十款趋势跟随策略, 及其测试结果和比较分析。基于所获结果, 我们得到相关趋势跟随交易之优缺点的一般性结论。

我们继续讨论，当交易货币篮子时交易者可以参考的形态。在这一部分中，我们将探讨当使用组合的趋势指标时构建的形态，会使用基于货币指数的指标作为分析工具。

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。

跟随我们以前关于货币篮子交易原理的文章, 这里我们将分析交易者可以检测的形态。我们还将研究每种形态的优点和缺点, 并就其使用提供一些建议。基于威廉姆斯振荡器的指标将用作分析工具。

本文介绍用于分析 '80-20' 交易策略而开发的工具 (指标和智能交易系统)。交易策略规则取自 "街头智能。高概率短线交易策略" 作者: Linda Raschke 和 Laurence Connors。我们将使用 MQL5 语言正实现策略规则, 并在最近的行情历史上测试基于策略的指标和智能交易系统。

本文介绍了来自琳达.布拉福德.瑞斯克(Linda Bradford Raschke)和劳伦斯.A.康纳斯(Laurence A. Connors)的《华尔街智慧:高胜算短线交易策略(Street Smarts: High Probability Short-Term Trading Strategies)》一书的两个交易策略，‘海龟汤’和‘海龟汤升级版’的原则规范。在书中描述的策略非常流行，但是有必要知道的是，作者是基于15年到20年的市场行为来开发它们的。

是否有可能开发一款能够根据代码命令, 定期优化开仓和平仓条件的智能交易系统？如果我们以模块化的形式实现一个神经网络 (多层感知器) 来分析历史并提供策略, 会发生什么？我们可以做到 EA 每月(每周, 每天或每小时) 进行神经网络优化, 然后继续其工作。因此, 我们可以开发一款自我优化 EA。

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。

分析交易历史, 并依据仓位的入场时间以 HTML 形式绘制交易结果的分布图表。图表显示三个部分 - 按小时, 按周内天数和按月份。

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。

本文涵盖的内容是提出了进化算法主要原则，以及它们的特点和多样性。我们将使用一个简单的EA交易作为实例来做实验，来展示如何通过优化使我们的交易系统获益，我们将探讨在软件程序中实现遗传、进化以及其它类型的优化，并且在优化交易系统的预测器集合与参数时提供示例程序。

本文所提供的是一个简单策略以三种模式进行测试的结果: "1 分钟 OHLC", "每笔分时" 和使用实际历史数据的 "基于真实分时的每笔分时"。

在最后一篇关于CStrategy交易引擎的系列文章中，我们将考虑多个交易算法同时运行，学习如何从XML文件加载策略，并将给出一个简单的面板，用于从可执行模块中选择EA，并管理它们的交易模式。