文章 "交易中的神经网络：具有层化记忆的智代（终篇）"

MetaQuotes 2025.12.15 10:26

我们继续致力于创建 FinMem 框架，其采用层化记忆方式，即模拟人类认知过程。这令该模型不仅能有效处理复杂的财务数据，还能适应新信号，显著提升了在动态变化市场中投资决策的准确性和有效性。

前两篇文章专注于 FinMem 框架。在这些文章中，我们遵照自己对框架作者所提议方式的解释实现了 MQL5 版本。我们现已进入最激动人心的阶段：评估已实现解决方案在真实历史数据上的有效性。

重点要强调，在实现期间，我们对 FinMem 算法做了重大修订。由此，我们评估的仅是我们自己实现的解决方案，而非原始框架。

该模型基于 EURUSD 货币对 2023 年的历史数据，采用 H1 时间帧训练。模型分析的指标设置保持其默认值。

在初始训练阶段，我们取用之前研究中形成的数据集。实现的训练算法，能为智代生成“近乎理想”的目标动作，允许在不更新训练数据集的情况下训练模型。不过，为了覆盖更广泛的账户状态，我建议尽可能定期更新训练数据集。

经过若干次训练周期，我们获得了一个模型，在训练和测试数据上均演绎出颇具稳定的盈利能力。最终测试运作基于 2024 年 1 月的历史数据，其它参数保持不变。测试结果呈现如下。