学习如何基于牛市力量设计交易系统

这是来自我们系列讲义的新篇章,我们将学习一个新的可能对我们交易有利的技术工具。 我们学习有关牛市力量指标,它是能给我们深入了解牛市测量的技术指标之一,正如我们将在本文中看到的那样。 故此,我们将详细学习此技术指标,并通览以下主题了解该技术工具:

MQL5 中的矩阵和向量操作

特殊数据类型 — 矩阵和向量 — 已被添加到 MQL5 语言中,以便解决一大类数学问题。 新类型提供了内置方法,能够创建接近数学标记符号的简洁易懂的代码。 在本文中,我们所提供的内置方法简介来自矩阵和矢量方法帮助部分。

DoEasy. 控件(第 15 部分):TabControl WinForms 对象 — 多行选项卡标题、选项卡处理方法

如果一个控件拥有多个选卡,且超过对象能容纳的宽度(我们假设它们位于顶部),则可将不适合元素的标题进行裁剪,并提供滚动按钮。 备案则是,如果为对象设置了多行模式标志,则标题将分成几部分(取决于元素大小中包含的数量)和若干行。 有三种方式可以设置选项卡按行排列的大小(SizeMode):

神经网络变得轻松(第二十四部分):改进迁移学习工具

神经网络变得轻松(第二十四部分):改进迁移学习工具

在本系列的上一篇文章中,我们创建了一款工具来利用迁移学习技术。 作为完工后的结果,我们得到了一款工具,能够编辑已训练模型。 利用此工具,我们可以从预训练模型中提取任意数量的神经层。 当然,也有限制条件。 我们只从初始数据层开始提取连续的层。 这种方式的原因在于神经网络的本质。 它们仅对初始数据与训练模型时所采用的数据拟合良好。

学习如何基于熊市力量设计交易系统

这是来自我们系列讲义的新篇章,我们将学习一个新的可能对我们有利的技术工具,特别是若我们将其与其它技术工具结合使用。 我们将学习如何基于熊市力量技术指标创建交易系统。 正如我们在本系列文章中所做的那样,我们试图了解事物的根源,从而去有效地利用它们。 我们通览以下主题详细学习熊市力量指标:

从头开始开发智能交易系统(第 27 部分):面向未来((II)

在上一篇文章,从头开始开发智能交易系统(第 26 部分):面向未来((I)中,我们修复了订单系统中存在的灾难性错误。 我们还开始实现修改,启动新订单系统的操作。 尽管本系列文章中最初实现的系统非常有趣,但它存在的一个缺陷令其无法操作。 此缺陷在上一篇文章的末尾显示。 原因是不知道如何交易,更具体地说,除了其它次要问题外,如何选择订单或持仓的到期时间。 该系统固定交易一笔订单或持仓,且应在交易时段、或当日收盘时平仓。 但有时我们想进行长线交易,如以让一切都保持原样并没有真正的帮助。

群体优化算法

“宇宙中根本什么都没有发生
其中某种最大或最小规则从未出现过”
莱昂哈德·欧拉(Leonhard Euler),18世纪

DoEasy. 控件 (第 14 部分): 命名图形元素的新算法。 继续操控 TabControl WinForms 对象

在上一篇文章中,在开发 TabControl WinForms 对象时,我们遭遇了图形元素名称长度的限制,这阻碍了我们完整地创建对象。 每个子图形元素的名称(包含在父图形元素中),拥有其父元素的引用,以及所有相关图形控件的整个层次结构。 该链条中每个后续对象的名称都比前一个对象的名称更长。 结果就是,我触及了图形资源名称长度 63 个字符的限制。 如今,我将实现一种不同的算法来命名图形元素,从而消除原本的缺点:每个相同类型的新对象在其名称中都包含程序名称、图形元素类型名称、以及在构建 GUI 元素时由程序创建的此类元素的现有数量。

神经网络变得轻松(第二十三部分):构建迁移学习工具

我们继续沉浸在人工智能世界之中。 今天,我邀请您来掌握迁移学习技术。 我们曾在各种文章中提到过这项技术,但从未用到过。 同时,这是一个强力的工具,可以提高开发神经网络的效率,并降低训练它们的成本。

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

“…厌倦了知道太多,而理解太少。”― Jan Karon, Home to Holly Springs神经网络听起来像是个稀奇的新事物,似乎是构建圣杯交易系统的一种前进方向,许多交易者对由神经网络构成的程序感到震惊,因为它们似乎擅长预测市场走势,基本上它们擅长接手的任何任务。 我也相信,在基于未经训练/从未见过的数据进行预测或分类方面,它们拥有巨大的潜力。

联系我们

联系我们

在线咨询: QQ交谈

邮箱: myfxtop@hotmail.com

9:30 - 18:00/Mon-Fri
返回顶部