文章 "您应该了解的MQL5向导技巧（第七十六部分）：利用AO形态与包络通道进行监督学习建模"

[MetaQuotes]

新文章 您应该了解的MQL5向导技巧（第七十六部分）：利用AO形态与包络通道进行监督学习建模已发布：

本文承接前一篇文章。之前我们介绍了动量震荡指标（AO）与包络通道组合指标，本篇将探讨如何通过监督学习对该组合进行优化增强。动量震荡指标与包络通道是一组在趋势识别与支撑/阻力判断方面彼此互补的指标组合。我们采用的监督学习模型为卷积神经网络（CNN），该网络通过点积核函数与跨时间注意力机制自适应调整卷积核与通道维度。与之前相同，相关逻辑封装在自定义信号类文件中，可配合MQL5向导组装成智能交易系统（EA）。

我们在前一篇文章中介绍了动量震荡指标与包络通道的组合指标策略。在两年的测试窗口中，这10种形态里有7至8种在前向测试中的表现通过了前向步进检验。在介绍完各类指标组合后，我们通常会进一步探究：机器学习能否对这些指标信号的交易表现起到优化作用。本文也将延续这一研究思路，重点分析第4、8、9类指标形态，研究通过监督学习网络作为信号过滤器，对三类形态的交易信号产生的优化效果与影响。本次研究采用CNN模型，该模型通过跨时间注意力点积核自适应调整卷积核与特征通道的维度参数。

作者：Stephen Njuki