文章 "您应该了解的MQL5向导技巧（第七十部分）：结合指数核网络使用SAR与RVI形态"

新评论
 

新文章 您应该了解的MQL5向导技巧（第七十部分）：结合指数核网络使用SAR与RVI形态已发布：

本文承接前文，此前我们介绍了SAR（抛物转向指标）与RVI（相对活力指数）这一指标组合，本篇将探讨如何借助机器学习拓展该组合的应用。SAR属于趋势类指标，RVI属于动量类指标，二者搭配构成互补型指标组合。本文采用卷积神经网络机器学习方案，通过指数核来设定网络卷积核尺寸与通道数量，从而对这套指标组合的预测结果进行微调优化。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，我们介绍了SAR与RVI 这一互补指标组合。我们对10种形态进行了测试，其中索引为1、2、6的三种形态未能实现前向步进。我们将这些形态从0到9进行索引编号，以便智能交易系统（EA）通过计算映射值精准调用对应的形态。例如，如果形态索引为1，则参数PatternsUsed需设置为2的1次方，即2； 

如果索引为2，则为2的2次方，即4，以此类推。由于总共有10种形态，因此该参数的最大有效值为1023。0至1023之间非2的纯幂次的数值，均代表多种形态的组合，读者可以自行研究让EA同时使用多个形态。然而，基于前文的论证与测试结果，在本系列教程中我们暂不展开探讨这部分内容。 

正如我们近期其中一篇文章中所承诺的，本文将通过监督学习，尝试优化上一篇中表现不佳的形态信号1、2和6，使其重新激活。在将机器学习应用于MQL5指标信号时，我们选择使用Python进行网络模型的编码与训练。这是因为即便在无GPU的环境下，Python依然能提供很高的开发与运行效率。使用Python时，我们依托MetaTrader Python模块，只需填入交易账户的登录名与密码，即可连接至经纪商的MT服务器。


作者：Stephen Njuki

新评论