文章 "交易中的神经网络：对比形态变换器（终章）" 新评论 MetaQuotes 2025.07.23 07:43 新文章 交易中的神经网络：对比形态变换器（终章）已发布： 在本系列的上一篇文章中，我们考察了“原子-基序对比变换器”（AMCT）框架，其用对比学习来发现各个级别的关键形态，从基本元素到复杂结构。在本文中，我们将继续利用 MQL5 实现 AMCT 方式。 如常，模型训练是依据预先收集的涵盖整个 2023 年的离线训练数据集上执行的。训练以迭代方式执行。经过多次迭代后，训练数据集将更新。这可以根据当前政策对代理人的操作进行最准确的评估。 在训练期间，我们获得了一个能够在训练和测试数据集上均产生盈利的模型。但这里有一个警告。出品的模型只执行了很少量的交易。我们甚至将测试期延长至 3 个月。测试结果呈现如下。 如结果中所见，在三个月的测试间隔内，该模型只执行了 21 笔交易，且只有一半稍多获利了结。检查余额图，我们观察到前一个半月的初始增长，然后是横盘走势。这是完全符合预期的行为。我们的模型仅从训练数据集中存在的市场状态收集统计数据。与任何统计模型一样，训练集必须具有代表性。从余额图中，我们可以得出结论，一年的训练数据集提供了大约 1.2 到 1.5 个月的表象。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 交易中的神经网络：对比形态变换器（终章）已发布：
如常，模型训练是依据预先收集的涵盖整个 2023 年的离线训练数据集上执行的。训练以迭代方式执行。经过多次迭代后，训练数据集将更新。这可以根据当前政策对代理人的操作进行最准确的评估。
在训练期间，我们获得了一个能够在训练和测试数据集上均产生盈利的模型。但这里有一个警告。出品的模型只执行了很少量的交易。我们甚至将测试期延长至 3 个月。测试结果呈现如下。
如结果中所见，在三个月的测试间隔内，该模型只执行了 21 笔交易，且只有一半稍多获利了结。检查余额图，我们观察到前一个半月的初始增长，然后是横盘走势。这是完全符合预期的行为。我们的模型仅从训练数据集中存在的市场状态收集统计数据。与任何统计模型一样，训练集必须具有代表性。从余额图中，我们可以得出结论，一年的训练数据集提供了大约 1.2 到 1.5 个月的表象。
作者：Dmitriy Gizlyk