文章 "神经网络在交易中的应用：用于多元时间序列预测的 LSTM 优化（终篇）" - 页 3 123 新评论 Vladimir Sanin 2025.05.23 11:02 #21 Vladimir Sanin #: | 在Research中运行了1个月，每次5分钟，生成了300MB的DACGLSTM.bd文件。随后启动了Study。误差率高得吓人。还是说对于首次运行来说这很正常？ Study结束后生成了.nnw格式的神经网络文件。我启动了新一轮的数据收集循环，但就在下个月——Research就停止了交易操作…… Vladimir Sanin 2025.05.24 11:59 #22 太棒了！经过几周的折腾，Study中的错误值终于恢复正常了！现在神经网络真的开始学习了。 不得不扩展奖励和惩罚算法 同时还对Trajectory的输入参数进行了大幅调整 Aleksei Kuznetsov 2025.05.24 19:07 #23 Vladimir Sanin #:太棒了！经过几周的折腾，Study中的误差值终于恢复正常了！现在神经网络真的开始学习了。 现在最有趣的是——它将如何利用新数据进行交易……我正在研究木模型，这样更容易理解。但在新数据上，交易几乎是随机的，因为没有显著的特征。 Vladimir Sanin 2025.05.24 23:10 #24 Forester #:现在最有趣的是——该如何根据新数据进行交易……我平时用的是木制模型，这样更容易理解。但在新数据上，交易几乎是随机的，因为没有显著的特征。 距离真正开始交易，我还有一段路要走）经过几轮“研究-学习”循环后，交易开始非常迅速地平仓。神经网络学会了“生存”，而非“盈利”。而且交易时间越短，它就越觉得自己受到的惩罚越少。 这场“手鼓舞”仍在继续。需要正确构建奖励与惩罚机制，这恐怕是最难的部分。目前我只是尝试严格限制。例如，不允许设置低于阈值的止损和止盈。 我还尝试限制交易的最短持仓时间，以免它们刚开仓就几乎立刻平仓。我使用的是LLM、Grok或ChatGPT 4.1，但它们有时会表现得如此愚蠢，简直让人抓狂。不过，进展还是在一点点地推进。 训练循环占用了大量时间。真希望能与人合作，毕竟这个领域前景非常广阔。 Vladimir Sanin 2025.05.24 23:39 #25 简而言之。我干脆把部分平仓、基于过滤器的平仓以及追踪止损都关掉了。现在神经网络只是机械地开仓，并设置止损和止盈。希望这样它不会单纯为了生存而退化。 让我们看看它能否学会识别交易模式。 123 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
|
在Research中运行了1个月，每次5分钟，生成了300MB的DACGLSTM.bd文件。随后启动了Study。误差率高得吓人。还是说对于首次运行来说这很正常？
Study结束后生成了.nnw格式的神经网络文件。我启动了新一轮的数据收集循环，但就在下个月——Research就停止了交易操作……
太棒了！经过几周的折腾，Study中的错误值终于恢复正常了！现在神经网络真的开始学习了。
不得不扩展奖励和惩罚算法
同时还对Trajectory的输入参数进行了大幅调整
太棒了！经过几周的折腾，Study中的误差值终于恢复正常了！现在神经网络真的开始学习了。
现在最有趣的是——它将如何利用新数据进行交易……我正在研究木模型，这样更容易理解。但在新数据上，交易几乎是随机的，因为没有显著的特征。
现在最有趣的是——该如何根据新数据进行交易……我平时用的是木制模型，这样更容易理解。但在新数据上，交易几乎是随机的，因为没有显著的特征。
距离真正开始交易，我还有一段路要走）经过几轮“研究-学习”循环后，交易开始非常迅速地平仓。神经网络学会了“生存”，而非“盈利”。而且交易时间越短，它就越觉得自己受到的惩罚越少。 这场“手鼓舞”仍在继续。需要正确构建奖励与惩罚机制，这恐怕是最难的部分。目前我只是尝试严格限制。例如，不允许设置低于阈值的止损和止盈。 我还尝试限制交易的最短持仓时间，以免它们刚开仓就几乎立刻平仓。我使用的是LLM、Grok或ChatGPT 4.1，但它们有时会表现得如此愚蠢，简直让人抓狂。不过，进展还是在一点点地推进。 训练循环占用了大量时间。真希望能与人合作，毕竟这个领域前景非常广阔。