文章 "交易中的神经网络：双曲型潜在扩散模型（终篇）"

[MetaQuotes]

新文章 交易中的神经网络：双曲型潜在扩散模型（终篇）已发布：

正如 HypDIff 框架所提议，使用各向异性扩散过程针对双曲潜在空间中的初始数据进行编码，助力保留当前市场状况的拓扑特征，并提升其分析品质。在上一篇文章中，我们开始利用 MQL5 实现所提议的方式。今天，我们将继续我们已开始的工作，并得出合乎逻辑的结论。

训练是采用 EURUSD 金融产品 2023 年全年的真实历史数据进行的，时间帧为 H1。所有指标参数均按其默认值设置。

训练过程是迭代的，包括对训练数据集的定期更新。

为了验证经过训练的政策的有效性，我们采用 2024 年第一季度的历史数据。测试结果呈现如下。

数据显示，该模型在测试期间成功产生了盈利。三个月内总共执行了 23 笔交易，这是一个相对较少的数字。超过 56% 的交易以盈利了结。每笔交易的最大盈利和平均盈利大约是亏损的两倍。

作者：Dmitriy Gizlyk

[Mulukas]

MetaQuotes:

查看新文章：交易中的神经网络：双曲潜势扩散模型（最后部分）。

作者：Dmitriy Gizlyk德米特里-吉兹里克

它在技术上令人印象深刻，但实际效果却相当一般。