文章 "在算法交易中 KOHONEN 神经网络的实际应用 第二部分优化和预测"
作品当然是高质量的。这是一本关于在分析和交易中使用神经网络的好教程。
作为讨论，我想补充以下几点（关于 "优化 "部分）：
作者声称 "实验并未揭示最佳设置"。在我看来，原因如下：
1. 使用了传统指标（RSI、MA、抛物线） 的 参数作为研究对象（在优化过程中）。一般来说，这些都是非常粗糙的分析工具，因此有经验的交易者通常不会将其用于实际交易。如果使用蜡烛图分析 但非经典模型来代替这些 指标 ，结果应该会有所改善（我测试 "经典 " 指标 的经验表明它们效率低下）。也就是说，烛台参数（振幅、烛台体的大小、阴影的大小）可用作优化参数。这些参数在时间上的变化是比传统指标信号更为精确的分析工具。
2. 缺乏 多尺度 （ 只使用一个尺度），这严重降低了分析的准确性。因此，最好同时使用 3-4 个时间框架（当然是同一金融工具）的蜡烛图进行分析。
3. 作者选择黄金和白银作为分析的金融工具（在作者看来，保护性资产对基本面因素的依赖性较小）。相反，我认为要进行全面分析，就必须使用交易量最大的金融工具，首先是欧元兑美元（EURUSD） ，因为它是最具特征的金融工具（就动态而言）。此外，（在分析中）不应害怕市场的波动和所谓的 "噪音"（小时间框架上的变动），因为这些都是市场性质的表现，是市场的自然因素。
我同意这些意见。文章中的一些观点已得到解释（例如，遗传优化结果的使用、添加其他尺度/指标的必要性等）。目标之一是为战斗机器人研究提供工具和一般方法。分享您的发现。
这些不是评论，只是建议，因为文章非常出色。
我对文章中关于优化结果 的高原选择部分很感兴趣。我不太明白，如果地图是从随机 CSV 导出的，那么如何对其进行分析？文章中明确提到了这一点，即进行了简单的 GA，并在之后丢弃了垃圾。
我们如何才能更接近实际呢？这里有一个 EA，我们需要找到一个高原。
还有一件事。绘制地图时选择单元格的原则是什么？我可能在描述中遗漏了什么，但这很难理解。
在文章中--更多的是关于工具本身，以及如何获取数据进行分析--虽然是这么说的，但并没有做任何研究。这是不止一篇文章的重点--尤其是比较传统优化和遗传优化的解空间。完全过冲不会产生任何偏差--如果可以，就使用它。不过，"随机 CSV "一词并不恰当，或者说选择不当，否则你可以说 MT 中的所有优化结果都是随机的。在我看来，剔除明确的异常值是正常做法。
关于构建地图时选择单元格的问题，我不太明白。
这篇文章更多涉及的是工具本身，以及如何获得分析数据，虽然提到了这一点，但没有进行任何研究。这是不止一篇文章的幌子--尤其是比较传统优化和遗传优化的解空间。完全过冲不会产生任何偏差--如果可以，就使用它。不过，"随机 CSV "一词并不恰当，或者说选择不当--否则你可以说 MT 中的所有优化结果都是随机的。在我看来，剔除明显的异常值是正常做法。
GA 的随机性在于滑入局部极值，而每次滑入的极值都可能不同。也就是说，GA 和完全搜索的结果可能大相径庭（在剔除两种变体中的垃圾之后）。
我遇到过关于 GA 的无稽之谈
新版 MetaTrader 5 第 1930 版：MQL5 中的浮动图表窗口和 .Net 库
fxsaber, 2019.02.02 09:54 AM
遗传优化日志PH 0 11:40:35.073 Tester genetic optimization finished on pass 9216 (of 30240000) FI 0 11:40:35.563 Statistics optimization done in 1 minutes 51 seconds JP 0 11:40:35.563 Statistics shortest pass 0:00:00.014, longest pass 0:00:01.329, average pass 0:00:00.177 II 0 11:40:35.563 Statistics local 3891 tasks (100%), remote 0 tasks (0%), cloud 0 tasks (0%)
在 3000 万个变体中，只有不到 4K 个变体，持续时间不到两分钟。如何提高 GA 的准确性？最好是用 2 个小时来计算，但得出的结果更客观。
在 MT4 中却并非如此。
关于构建地图时单元格的选择--我不明白这个问题。
文章在分析不同地图时使用了这样一个属性：在两个地图中，具有匹配坐标 (X; Y) 的单元格对应于相同的 TC 输入参数集。这条规则是如何形成的？
非常感谢你们以文章和博文的形式付出的劳动！材料与一般材料有很大不同。
在您实现 MHR 的 基础上，我想做一个标准 GA 的替代方案，并进行比较分析。标准 GA 在每次运行之间的差异非常大。而且 10K 通过限制与 MT4 GA 不一致。我看过您的虚拟化实现，我想使用类似的方法，但使用测试仪的图形用户界面。
GA 永远不会收敛到全局最优，它是一种以多样性为目标的进化方法。它根本不需要收敛到任何东西。
新文章 在算法交易中 KOHONEN 神经网络的实际应用 第二部分优化和预测已发布：
在设计使用 Kohonen 网络的通用工具的基础上，我们建立了优化EA参数的分析和选择系统，并探讨了时间序列的预测。在第一部分中，我们修正和改进了公开的神经网络类，增加了必要的算法。现在，是时候在实际应用中使用它们了。
这里是从2018年7月1日到2018年12月1日这段时间测试的结果。
Unity-Forecast: 在 MetaTrader 5 测试器中根据外汇和黄金集群预测白银价格变化
在这一时间段，准确率达到了 60 %. 我们可以得出这样的结论：基本上，如果这种方法需要从根本上选择预测对象，准备输入参数，以及长期细致的配置，那么它是可行的。
作者：Stanislav Korotky