文章 "基于马尔可夫状态转移矩阵的神经网络自学习型EA" - 页 2 12 新评论 Ákos Albert 2026.06.01 15:33 #11 这种方法很有趣，但我觉得文中有些地方很奇怪，过于乐观，而且有些措辞明显是人工智能写的（"这个代码是一个真正的炼金实验室，在这里，原始的市场数据被转化为珍贵的知识灵药"--这句话到底是什么意思？）此外，我对这种方法还存在一些严重的结构和数学问题。我以前研究过马尔可夫矩阵，让我告诉你，0.67 作为对角线值（持久性）显然不是一个稳定的状态！0.67 意味着资产在翻转之前平均只有 3 天处于同一状态，这完全是不稳定的，只是捕捉到了短期技术噪音，尤其是您使用的是典型趋势性不强的资产的状态识别。另外，我不明白使用 100 条的滚动窗口如何能帮助马尔可夫矩阵对制度转换做出快速反应。在每天的时间框架内，滚动窗口会将 99% 完全相同的数据从一天带到另一天。由此产生的转换矩阵具有高度的自相关性，其走势就像一条迟缓、严重滞后的移动平均线，这意味着它会平滑地滞后于结构性市场突破，而不是立即做出反应。另外，根据马尔可夫模型的经验，使用 3 个以上的状态（即使是 4-5 个也大多太多了）会通过帽子-星形解产生退化模型，其中一个状态甚至没有分配给它的任何数据密度，或者甚至没有记录转换，因此模型变得过于复杂，无法表示任何有意义的东西。向 40 个隐藏神经元的多层感知器中输入 9 个元素的扁平化历史频率矩阵，以预测下一交易日的即时价格方向，这似乎非常违反直觉。输入特征是高度静态的日常特征，迫使 MLP 对 600 个训练样本进行过拟合。因此，我不了解这种基于马尔可夫矩阵的 MLP 方法，它似乎有点奇怪，基于它的回溯测试更奇怪，但祝你好运，让它发挥作用！ 12 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
这种方法很有趣，但我觉得文中有些地方很奇怪，过于乐观，而且有些措辞明显是人工智能写的（"这个代码是一个真正的炼金实验室，在这里，原始的市场数据被转化为珍贵的知识灵药"--这句话到底是什么意思？）此外，我对这种方法还存在一些严重的结构和数学问题。我以前研究过马尔可夫矩阵，让我告诉你，0.67 作为对角线值（持久性）显然不是一个稳定的状态！0.67 意味着资产在翻转之前平均只有 3 天处于同一状态，这完全是不稳定的，只是捕捉到了短期技术噪音，尤其是您使用的是典型趋势性不强的资产的状态识别。
另外，我不明白使用 100 条的滚动窗口如何能帮助马尔可夫矩阵对制度转换做出快速反应。在每天的时间框架内，滚动窗口会将 99% 完全相同的数据从一天带到另一天。由此产生的转换矩阵具有高度的自相关性，其走势就像一条迟缓、严重滞后的移动平均线，这意味着它会平滑地滞后于结构性市场突破，而不是立即做出反应。
另外，根据马尔可夫模型的经验，使用 3 个以上的状态（即使是 4-5 个也大多太多了）会通过帽子-星形解产生退化模型，其中一个状态甚至没有分配给它的任何数据密度，或者甚至没有记录转换，因此模型变得过于复杂，无法表示任何有意义的东西。
向 40 个隐藏神经元的多层感知器中输入 9 个元素的扁平化历史频率矩阵，以预测下一交易日的即时价格方向，这似乎非常违反直觉。输入特征是高度静态的日常特征，迫使 MLP 对 600 个训练样本进行过拟合。因此，我不了解这种基于马尔可夫矩阵的 MLP 方法，它似乎有点奇怪，基于它的回溯测试更奇怪，但祝你好运，让它发挥作用！