文章 "神经网络在交易中的应用：混合图序列模型（终篇）" 新评论 MetaQuotes 2026.05.20 10:08 新文章 神经网络在交易中的应用：混合图序列模型（终篇）已发布： 我们继续探索混合图序列模型（GSM++），该模型融合了不同架构的优点，既提供了高分析精度，又实现了计算资源的有效分配。这些模型能够有效识别隐藏的模式，降低市场噪声的影响，并提高预测质量。 为了公平比较，这两个模型都使用之前用于 Hidformer 训练的同一数据集进行训练。请记住： 训练集包含 2024 年全年 EURUSD M1 历史数据。 所有分析的指标参数均保持默认值，未进行额外优化，消除了外部因素的影响。 使用 2025 年 1 月的历史数据对训练好的模型进行了测试，同时保持所有其他参数不变，以确保对比的客观性。 测试结果如下所示。 在测试期间，该模型执行了 15 笔交易，对于 M1 时间周期上的高频交易而言，这相对较低。这个数值甚至低于基准 Hidformer模 型所达到的数值。只有 7 笔交易盈利，盈利率为 46.67%，这也低于基准值 62.07%。在这里，我们观察到空头头寸的准确性有所降低。然而，亏损的规模略有下降，同时盈利的规模相对增加。 如果基准模型的平均盈利交易与亏损交易之比为 1.6，那么在新模型中，这一比率超过 4。这使得测试期间的总利润几乎翻了一番，盈利因子也相应提高。这表明，新架构优先考虑损失最小化和利润最大化，以实现成功的交易。这可能会带来更为稳定的长期财务业绩。然而，由于测试期较短且交易次数较少，无法就模型的长期表现得出结论。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络在交易中的应用：混合图序列模型（终篇）已发布：
为了公平比较，这两个模型都使用之前用于 Hidformer 训练的同一数据集进行训练。请记住：
测试结果如下所示。
在测试期间，该模型执行了 15 笔交易，对于 M1 时间周期上的高频交易而言，这相对较低。这个数值甚至低于基准 Hidformer模 型所达到的数值。只有 7 笔交易盈利，盈利率为 46.67%，这也低于基准值 62.07%。在这里，我们观察到空头头寸的准确性有所降低。然而，亏损的规模略有下降，同时盈利的规模相对增加。
如果基准模型的平均盈利交易与亏损交易之比为 1.6，那么在新模型中，这一比率超过 4。这使得测试期间的总利润几乎翻了一番，盈利因子也相应提高。这表明，新架构优先考虑损失最小化和利润最大化，以实现成功的交易。这可能会带来更为稳定的长期财务业绩。然而，由于测试期较短且交易次数较少，无法就模型的长期表现得出结论。
作者：Dmitriy Gizlyk