文章 "交易中的神经网络：摆脱特定数据依赖的时间序列泛化（结论）"

[MetaQuotes]

新文章 交易中的神经网络：摆脱特定数据依赖的时间序列泛化（结论）已发布：

本文将向您展示Mamba4Cast如何把理论转化为可运行的交易算法，并为您开展自主实验奠定基础。不要错过这次机会，获取用于自研策略的全面的知识与策略开发灵感。

我们采用2024全年的EURUSD（欧元兑美元）1分钟报价数据作为训练集。为保证实验严谨性，最终测试选用2025年1月至3月的历史数据，该时间段的数据并未参与模型训练。其余所有参数保持不变，以此确保策略评估客观且公平。

测试结果呈现如下。

我们必须承认，该模型的交易频率相当高。<平均持仓时长仅略高于3分钟。在整个测试周期内，模型一共执行了2677笔交易，其中1240笔为盈利平仓。尽管亏损交易的数量略多，但模型在测试时段内整体实现盈利，资金曲线呈现出较为平稳的增长。这部分归因于模型采用较小止损进场，并对持仓进行动态管理。平均亏损交易与最大亏损交易之间差距较小。与此同时，单笔最大盈利交易的收益，接近单笔平均盈利的7倍。

作者：Dmitriy Gizlyk

[fxsaber]

Результаты тестирования представлены ниже.

请在截图中再添加相应的tst文件。谢谢。