文章 "使用MQL5与Python构建自我优化的智能交易系统"
在上述文章中，矩阵和向量被用来优化交易策略，而不一定要使用传统的神经网络方法。看起来（至少在我看来），不一定要使用涉及激活函数的神经网络，也可以建立自我优化的 EA，也就是说，你并不需要激活函数或神经元来自我优化你的 EA。我很可能会被纠正，嘿。I could definitely be wrong, I could be really really be terribly wrong, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, ........... be misunderstanding everything about optimisation and NN mate......I am your neighbor, here in RSA.
Sibusiso Steven Mathebula 交易策略，而不一定要使用传统的神经网络方法。看起来（至少在我看来），不一定要使用涉及激活函数的神经网络，也可以建立自我优化的 EA，也就是说，你并不需要激活函数或神经元来自我优化你的 EA。我很可能会被纠正，嘿。I could definitely be wrong, I could be really really be terribly wrong, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, I could, ........... be misunderstanding everything about optimisation and NN mate......I am your neighbor, here in RSA.
嘿，SIbusiso，Ujani Budi？正如你所知，做任何事情都有很多方法。我在这里概述的方法旨在帮助你快速获得可靠的结果。但是，任何事情都是有代价的，你所观察到的过渡矩阵在很大程度上受你所获取的数据量的影响，但当你获取的数据量越来越多时，过渡矩阵就会变得稳定并停止变化（它会收敛）。
，让我这么跟你说吧，过渡矩阵和 NN 方法解决的完全是不同的问题，它们回答的是不同的问题。过渡矩阵不能预测任何事情，它只是总结/告诉我们过去发生了什么，并不能告诉我们未来可能发生什么。
而 NN 则告诉我们未来可能会发生什么。在一个 EA 中可以同时使用这两种方法。
你好，加姆奇莱。这篇文章直接写到了我的心坎里，感谢您打开了我们的思路。我是编码方面的新手，我通过阅读像您这样的文章来学习编码。我最大的挑战是 Python。我甚至不知道从哪里开始，尤其是如果主题是交易，我学得更快，因为我可以进行回溯测试 并将想法融入我的 EA 中。请告诉我在哪里可以学习这种语言。我只编写了 MQL5 版本，我面临的问题是 "max_arg "保持为 0，因此 EA 一直看涨。由于我的理解能力有限，我试着操作了几个参数，在代码可以同时进行买入和卖出时，我停了下来。我可能遗漏了一个关键细节。我可以把我复制的代码发给你，如果你那边的代码能正常运行，我也可以把修改过的代码发给你。也许你能发现问题所在。我使用下载的数据，因为我在度假，所以是离线工作。这会造成问题吗？我很感谢您所做的工作，您的文章非常精彩。我来自南澳大利亚，我只能说谢谢你 tsano。
新文章 使用MQL5与Python构建自我优化的智能交易系统已发布：
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。
想象你管理一家在德国提供公交服务超过70年的公共交通公司。公司正在考虑增加更多公交车到车队，而你作为经理，必须决定哪些目的地应该增加更多公交车，哪些则不值得进一步投资。
将这个问题视为马尔可夫链可以简化你的决策过程。假设以下图表代表了该公司在其70年历史中完成的所有旅程的马尔可夫链。
图2：某运输公司虚构马尔可夫模型与客户随机使用路线示意图
让我们解释下上述的马尔科夫链。假设40%从法兰克福上车的乘客倾向于在慕尼黑下车，而另外60%则倾向于前往科隆。在科隆的乘客中，30%倾向于返回法兰克福，而70%通常会前往柏林。这个模型清楚地突出了你的客户最常使用的路线。
作者：Gamuchirai Zororo Ndawana