文章 "您应当知道的 MQL5 向导技术（第 57 部分）：搭配移动平均和随机振荡器的监督训练"

[MetaQuotes]

新文章 您应当知道的 MQL5 向导技术（第 57 部分）：搭配移动平均和随机振荡器的监督训练已发布：

移动平均线和随机振荡器是十分常用的指标，因其滞后性质，一些交易者或许较少使用。在一个三部分的“迷你序列”中，研究机器学习的三大主要形式，我们会考证对这些指标的偏见是否合理，或者它们可能占据优势。我们经由向导汇编的智能系统来进行实证。

我们继续考察经由 MQL 向导汇编的智能系统实现的简单形态。其主要目的始终是试点或测试创意。手工汇编的智能系统必须要经历长时间测试后，才能最终在实盘账户里部署并运行，但由向导汇编的智能系统允许快速测试运行，且预需代码更少。

机器学习当下风靡一时，我们在本系列之前的文章中已涵盖一些具体层面。我们将继续在本篇及未来文章中涵盖一些更技术特征，不过它们仅是一幕背景，因为我们将更专注于知名度更佳、及成熟的指标形态。

进而，在机器学习的语境下，我们将在一轮三篇文章中涵盖三个主要学习分支。开篇我们将考察监督训练或监督学习，我们的指标形态将来自配对的趋势和动量指标。我们将考察移动平均和随机指标。

在监督学习中，我们将寻求在分离的神经网络中实现每种形态。正如近期文章中的论调，以 Python 编码及训练，要比 MQL5 更好。所获效率爆表。Python 还可轻松支持训练后的交叉验证测试，我们能就此针对每个形态执行这些测试。

而 Python 分享的交叉验证，是取测试运行的亏损值，与前一训练局次的损耗值比较，单此一项虽重要，若评估网络当前权重和偏差的交叉验证却略有不足。 

因此，我们将在 MetaTrader 5 策略测试器中执行前向漫游测试，搭配导出的 ONNX 网络。至于本篇，定价、或 x 和 y 数据集都是从 MetaTrader 5 发送到 python，开始训练则是依据 EURJPY 货币对的 2023 年历史数据。因此，前向漫游测试将针对同一品种，但年度则是 2024 年。我们是在日线时间帧上执行分析。

结合移动平均线（MA）与随机振荡器，能够生成一种交易信号变体。出于我们的测试和探索目的，我们仅研究这些指标组合后交易者能用的 10 个顶级信号形态。

作者：Stephen Njuki

[Dariusz Pawel Toczko]

你好，缺少一个附件 SignalWZ_57.mqh

[Anil Varma]

Dariusz Pawel Toczko #:
您好，有一个附件缺少 SignalWZ_57.mqh 文件。

是的，我也遇到了同样的问题，缺少 SignalWZ_57.mqh 文件。