文章 "算法交易中的神经符号化系统：结合符号化规则和神经网络"

MetaQuotes 2025.10.31 08:29

本文讲述开发混合交易系统的经验，即结合经典技术分析与神经网络。作者从基本形态分析、神经网络结构、到交易决策背后的机制，提供了系统架构的详细分析，并分享了真实代码和实践观察。

想象一下，您正尝试向计算机解释如何在证券交易所进行交易。一方面，我们有经典的规则和形态 — “头与肩”、“双底”、以及任何交易者熟悉的数百种其它形态。我们当中的许多人都曾以 MQL5 编写过 EA，试图遵照这些形态编码。但市场是一个鲜活的有机体，它持续变化，严格的规则往往会失败。

另一方面，还有神经网络 — 时尚、强力，但有时它们的决策完全不透明。将历史数据投喂给 LSTM 网络，它会以相当的准确性做出预测。但这些决定背后的原因往往仍是个谜。在交易中，每一个错误步骤的代价都是真金白银。

我记得几年前，我在交易算法中常与这种困境相搏。经典形态会产生误报，神经网络有时会在没有任何逻辑的情况下产生令人难以置信的预测。之后它点醒了我：如果我们将这两种方式结合会怎样？如果我们使用明确的规则作为系统框架，将神经网络作为一种参考市场现状的自适应机制，会怎样？

这就是神经符号化系统的算法交易思路如何诞生的。将其想象成一位经验丰富的交易员，他了解所有经典形态和规则，但也知道如何适应市场，能细致考虑到细微差别和关系。这样的系统具备清晰规则的“骨架”、和神经网络形式的“肌肉”，增加了灵活性和适应性。

Evgeniy Chernish 2025.01.22 09:25 #1

MetaQuotes:

发表文章《算法交易中的神经符号系统：符号规则与神经网络的结合》：

主要问题是在出现形态后计算出的白烛或黑烛出现频率的稳定性。在小样本上不可靠，而在大样本上则各占一半。

我不明白首先将形态频率作为特征之一输入 neuronka，然后再用相同频率过滤建立在此基础上的 neuronka 信号的逻辑。

Stanislav Korotky 2025.01.22 11:53 #2

在不触及方法本身的情况下，将动作的实际范围缩减为两类，会使神经网络无法提取有用的信息（为了提取这些信息，我们将其拧紧）--这就好比我们开始向彩色图像识别系统输入黑白图像一样。在我看来，有必要调整网络，使其适应二进制模式的旧方法，而是在完整数据的基础上突出真实、模糊的模式。