文章 "使用MQL5和Python构建自优化EA（第三部分）：破解Boom 1000算法"

[MetaQuotes]

新文章 使用MQL5和Python构建自优化EA（第三部分）：破解Boom 1000算法已发布：

在本系列文章中，我们探讨了如何构建能够自主适应动态市场条件的EA。今天的文章中，我们将尝试调整一个深度神经网络以适应Deriv的合成市场。

我们将逐一分析Deriv的所有合成市场，从其最知名的合成市场Boom 1000开始。Boom 1000以其波动性和不可预测性而闻名。该市场以缓慢、短暂且大小相等的看跌K线为特征，这些K线随机地被剧烈的、摩天大楼般高度的看涨K线所跟随。看涨K线尤其难以应对，因为与这些K线相关的tick通常不会发送到客户终端，这意味着每次止损都会被突破，并且总是会伴随着滑点。

因此，大多数成功的交易者都创建了一些策略，这些策略主要基于在交易Boom 1000时只寻找买入机会。回想一下，Boom 1000在M1图表上可能会下跌20分钟，然后在一根K线内就完全收复了整个跌幅！因此，鉴于其超强的看涨特性，成功的交易者会利用这一点，将更多的权重放在Boom 1000的买入设置上，而不是卖出设置上。

作者：Gamuchirai Zororo Ndawana