文章 "神经网络在交易中的应用：多元时间序列的双重聚类（终篇）" 新评论 MetaQuotes 2026.06.02 08:28 新文章 神经网络在交易中的应用：多元时间序列的双重聚类（终篇）已发布： 我们继续实现 DUET 框架作者提出的方法，该框架提供了一种创新的时间序列分析方法，结合时间和通道聚类来揭示分析数据中的隐藏模式。 对于模型训练，我们使用 2024 年全年 EURUSD 货币对 M1 时间周期的历史数据集。在数据采集过程中，指标参数保持默认值。 模型训练分两个阶段进行。首先，批量大小设置为 1，以便在每次迭代时从训练数据集中随机选择一个状态。这有助于模型适应不同的条件。然而，这并不足以确保风险管理模块的正常运作。因此，在第二阶段，批处理大小增加到 60，从而可以考虑 60 个环境状态序列和相应的 Actor 动作。这使得训练过程更加稳定高效。 使用 2025 年 1 月至 2 月的历史数据对训练好的模型进行测试。所有设置均被保留，确保对预测质量进行客观评估。测试结果如下所示。 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：多元时间序列的双重聚类（终篇）已发布：
对于模型训练，我们使用 2024 年全年 EURUSD 货币对 M1 时间周期的历史数据集。在数据采集过程中，指标参数保持默认值。
模型训练分两个阶段进行。首先，批量大小设置为 1，以便在每次迭代时从训练数据集中随机选择一个状态。这有助于模型适应不同的条件。然而，这并不足以确保风险管理模块的正常运作。因此，在第二阶段，批处理大小增加到 60，从而可以考虑 60 个环境状态序列和相应的 Actor 动作。这使得训练过程更加稳定高效。
使用 2025 年 1 月至 2 月的历史数据对训练好的模型进行测试。所有设置均被保留，确保对预测质量进行客观评估。测试结果如下所示。
作者：Dmitriy Gizlyk