文章 "基于交易量的神经网络分析：未来趋势的关键"

[MetaQuotes]

新文章 基于交易量的神经网络分析：未来趋势的关键已发布：

本文探讨了通过将技术分析原理与 LSTM 神经网络架构相结合，基于交易量分析来改进价格预测准确性的可能性。文章特别关注异常交易量的检测与解读、聚类方法的使用，以及基于交易量的特征创建及其在机器学习背景下的定义。

我们的第一张图，是带有模型生成信号的、最常见的Sber（俄罗斯联邦储蓄银行）价格图表。我们还会通过高亮显示那些存在异常交易量的K线来补充这些信号。这有助于我们理解系统将市场读得像一本打开的书一样透彻的那些时刻。

第二张图是预测的收益率。在这里我们可以清楚地看到，在所选资产报价出现大幅波动之前，通常会出现一连串非常强烈的预测信号。因此，这就引出了一个想法，即考虑仅基于这一特定观察来创建一个系统。当然，交易数量会因此减少，但我们追求的不是数量，而是质量，不是吗？

第三张图是累计收益率图，其中回撤部分已高亮显示。

作者：Yevgeniy Koshtenko

[Evgeniy Chernish]

"一旦信号生成，它们就会应用于 24 期前移的价格。这样就能考虑到交易决策与决策实现之间的滞后性"。

那么，我们是在神经网络产生信号 24 个交易日后入市？

或者我们在下一交易日入市，并在 24 个交易日内根据该信号持仓？