文章 "您应该了解的MQL5向导技巧（第六十八部分）：结合余弦核网络使用TRIX与威廉百分比范围形态" 新评论 MetaQuotes 2026.06.12 10:24 新文章 您应该了解的MQL5向导技巧（第六十八部分）：结合余弦核网络使用TRIX与威廉百分比范围形态已发布： 在前一篇中，我们介绍了三重平滑指数平均线（TRIX）与威廉百分比范围（WPR）指标组合，本文承接前文，将探讨如何通过机器学习对这一指标组合进行扩展优化。TRIX属于趋势指标，威廉百分比属于支撑/阻力震荡指标，二者形成互补。我们的机器学习方案采用卷积神经网络，网络结构中集成了余弦核函数，用于对该指标组合的预测结果进行精细调优。与之前类似，所有逻辑都封装在自定义信号类文件中，可配合MQL5向导直接生成智能交易系统（EA）。 在前一篇文章中，我们测试了10种信号形态，仅有3种能够实现前向步进。这些形态由两类指标信号组合生成：趋势指标TRIX和支撑/阻力震荡指标WPR。对于EA的训练/优化仅使用 2023年全年数据，前向步进测试则在2024年进行。测试交易品种为瑞郎兑日元（CHFJPY），时间周期为4小时。 在利用机器学习扩展可滚动预测的形态时，我们通常选择Python，因为它能高效地编写代码并训练网络，即使在无GPU的情况下也能流畅运行。在往期文章中，我们会先讲解可滚动预测形态函数的Python实现。而本文会简要介绍指标的Python实现，重点讲解以指标信号为输入的网络结构搭建。该网络是一个一维卷积网络，设计中采用了余弦核。 作者：Stephen Njuki 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 您应该了解的MQL5向导技巧（第六十八部分）：结合余弦核网络使用TRIX与威廉百分比范围形态已发布：
在前一篇文章中，我们测试了10种信号形态，仅有3种能够实现前向步进。这些形态由两类指标信号组合生成：趋势指标TRIX和支撑/阻力震荡指标WPR。对于EA的训练/优化仅使用 2023年全年数据，前向步进测试则在2024年进行。测试交易品种为瑞郎兑日元（CHFJPY），时间周期为4小时。
在利用机器学习扩展可滚动预测的形态时，我们通常选择Python，因为它能高效地编写代码并训练网络，即使在无GPU的情况下也能流畅运行。在往期文章中，我们会先讲解可滚动预测形态函数的Python实现。而本文会简要介绍指标的Python实现，重点讲解以指标信号为输入的网络结构搭建。该网络是一个一维卷积网络，设计中采用了余弦核。
作者：Stephen Njuki