文章 "神经网络实验（第 6 部分）：自给自足的价格预测工具 — 感知器"
嗨，罗曼、
两篇好文章！我刚刚第一次读了这两篇文章。
由于我还没有研究过代码，我很想知道 CNeuralNet 对象是否是您之前 Perceptron 计算的重构？ 它看起来非常有趣，因为最初的角度和扇形方法在我的前瞻性测试中惨遭失败。 我使用欧元兑美元 H4 从 1/1/2020 到 1/1/0203 作为我的训练，并使用 1/1/2023 到 5/1/2023 作为我的前瞻性测试。该角度失败的原因是，在 1/2/2023左右的第一次下跌中，有停顿的延长趋势触发了该角度，但没有反转和止损并使账户破产，而您的测试完全遵循了这次下跌。 扇形方法在正向测试中没有进行任何交易。
注意安全，我期待着你的下一篇文章。
科达角
附注
我刚刚看了您的两个源文件，有一些问题。
根据您之前的 Perceptron 文章中的源代码，似乎缺少了一些部分。
提供的 EA 似乎是您的优化 EA。但是，它并没有使用我期望看到的 CNeuralNet 对象。
前向测试 EA 丢失了，因为附加 EA 没有使用 GA 优化运行的结果作为权重数组（如 EURUSD 数组）的输入。
还是我错过了您的感知器理念中的逻辑变化？
嗨，罗曼、
两篇好文章！我刚刚第一次读到这两篇文章。
由于我还没有研究过代码，我很想知道 CNeuralNet 对象是否是您之前 Perceptron 计算的重构？ 它看起来非常有趣，因为最初的角度和扇形方法在我的前瞻性测试中惨遭失败。 我使用欧元兑美元 H4 从 1/1/2020 到 1/1/0203 作为我的训练，并使用 1/1/2023 到 5/1/2023 作为我的前瞻性测试。角度法失败的原因是，在 1/2023 年 1 月 2 日前后的第一次下跌中，有停顿的延长趋势触发了角度法，但并没有反转和止损并使账户破产，而您的测试则完全遵循了这次下跌。 扇形方法在前瞻性测试中没有进行任何交易。
注意安全，我期待着你的下一篇文章。
科达角
附注
我刚刚看了您的两个源文件，有一些问题。
根据您之前发表的 Perceptron 文章中的源代码，似乎缺少了一些部分。
提供的 EA 似乎是您的优化 EA。但是，它并没有使用我期望看到的 CNeuralNet 对象。
由于附加 EA 没有使用 GA 优化运行的结果作为权重数组（如 EURUSD 数组）的输入，因此缺少了前向测试 EA。
还是我错过了您的感知器理念中的逻辑变化？
你好，我的朋友。我不太理解您的意思，所以请您循序渐进地表达您的想法。优化取决于设置中使用的感知器的影响深度。每一对都有自己的结论。这也取决于通过的次数，因为它们的值是无限的。
你好，罗曼、
我很感谢您的快速回复。 我想我明白 GA 优化的原理，即在相同的时间框架内，每次运行的结果都可能不同，而且结果会因开始日期、测试时间和每对货币对的不同而不同。 但我没想到的是，当 3 年的训练运行产生 50%的利润时，EA 会在 5 天内失败，失去整个起始仓位，或者在实际运行期间不进行任何交易。
我的最终目标是开发一种波段交易感知器 EA，它的训练时间固定，在训练期最后一天之后只运行一个月。 然后，它将以相同的时间长度重新训练，但启动期将在一个月之后，然后运行第二个月的实际数据，就像滚动均线一样。我这样做的依据是我的假设，即外汇市场会逐渐改变方向，任何 "训练有素 "的网络在训练后的头几个月都会是最准确的，然后会随着市场条件的不断变化而逐渐失去准确性。 我还知道，可能会有一些开创性的市场变化会直接影响任何 "训练有素 "网络的准确性。 这种类型的变化会对所有未来的变化产生重大影响。
据我观察，角度感知器很擅长在反转发生之前感知反转的开始，但不幸的是，它也很擅长检测趋势的停顿，并在预期反转发生时进行交易，而在本案例中，反转并没有发生。由于趋势仍在继续，在实际测试运行开始时，由于大的止损单导致起始仓位亏损，从而造成重大损失。 我认为部分问题在于 100 感知器循环需要根据账户余额进行自适应调整，以降低交易总数。
在您以前的帖子中，您发布了一个用于优化的 EA (opt) 和第二个用于交易测试的 EA (trade)。 在这篇帖子中，只有一个：我的感觉是，这个 EA 可以直接用于运行 GA 优化，与您之前的 OPT 版本相对应。 但是，没有包含用于前瞻性测试的 Trade 版本。 如果这是有意为之，我可以调整这个 EA，加载 GA 结果，生成用于前瞻性测试的 EA。
除了 EA 之外，您还发布了一个类对象 NeualNet 作为包含文件，我还没有查看过。 让我感到惊讶的是 Perceptron_MA_4 EA 并没有使用这个包含文件。 我原本以为会有一个优化 EA 版本，其中包含 CNeuralNet 类，并且还使用了您发布的第 5 部分中的一种规范化技术。此外，还有一个单独的贸易版本用于前瞻性测试。 我认为创建类对象是一个非常好的方向。 作为一个对象，在 EA 中同时使用多个不同的感知器变得非常容易，例如用于交易、止损或止盈设置，或者甚至可以创建一个自适应交易策略，使用替代策略来应对平淡市场的趋势。 是的，我知道多个对象会占用大量的训练处理时间。
您好。如果您在特定任务上需要帮助，请写信给我，我会尽力提供帮助。 请私信我。
新文章 神经网络实验（第 6 部分）：自给自足的价格预测工具 — 感知器已发布：
本文提供了一个的示例，运用感知器作为自给自足的价格预测工具，展示其一般概念和最简单的已制备智能系统，然后是其优化结果。
指标是用于分析市场并帮助识别趋势、入场和离场时机、以及支撑位和阻力位的数学方程式。 可以在感知器中用于分析外汇市场的一些最常见指标包括：
将收盘价和指标传递给感知器，可令模型参考市场分析的各个方面，并创建更准确的价格预测。 例如，模型可利用移动平均线来判定整体市场趋势，然后利用随机振荡器来判定入场切入点。
作者：Roman Poshtar