文章 "交易中的神经网络：使用小波变换和多任务注意力的模型（终篇）"

MetaQuotes 2025.10.27 08:47

在上一篇文章中，我们探索了理论基础，并开始实现多任务-Stockformer 框架的方式，其结合了小波变换和自注意力多任务模型。我们继续实现该框架的算法，并评估其在真实历史数据上的有效性。

在测试期间，这些模型依据 EURUSD 的 2023 全年 H1 时间帧的历史数据进行了训练。所有分析指标均以其默认参数设置。

对于第一阶段的训练，我们采用了先前研究中收集的训练集。随后，定期更新训练样本，以便适应参与者当前的政策。经过几轮训练和样本更新，得到了在训练和测试样本中都展现盈利的政策。

训练有素的政策测试是针对 2024 年 1 月的历史数据进行的，所有其它参数未变。结果呈现如下。