文章 "神经网络在交易中的应用：基于自适应模态分解的时间序列预测（终篇）"

[MetaQuotes]

新文章 神经网络在交易中的应用：基于自适应模态分解的时间序列预测（终篇）已发布：

本文讨论了在算法交易背景下，使用 MQL5 对 ACEFormer 框架的调整及其实践应用。它展示了关键的架构决策、训练特性以及在真实数据上的模型测试结果。

测试结果如下所示。

总体而言，该模型在测试期间执行了 13 笔交易，并获得了正收益。这些仓位中略多于一半的仓位最终盈利平仓。然而，值得注意的是，在三个月的评估期内仅有 13 笔交易，这表明交易活动相对较少。

一种可能的解释是概率注意力机制本身的性质。

作者：Dmitriy Gizlyk

[Aleksander]

MetaQuotes:

文章《神经网络在交易中的应用：利用自适应模态分解进行时间序列预测（下篇）》已发布：

作者：Dmitriy Gizlyk

13笔交易是指1个货币对吗？如果将10个货币对纳入分析，会有多少笔交易？