文章 "交易中的神经网络：智能预测流程（结论）"

[MetaQuotes]

新文章 交易中的神经网络：智能预测流程（结论）已发布：

本文深入介绍 SwiGLU 嵌入层如何挖掘隐藏的市场规律，以及Decoder-Only Transformer 架构内的稀疏混合专家模型，如何在合理的计算开销下提升预测精度。本文详解将 Time‑MoE 框架集成至 MQL5 与 OpenCL 的实现方法，并提供模型配置与训练的分步教程。

模型训练流程分为两个阶段。这套方案能够循序渐进、稳妥从容地搭建整套系统。

首先是离线训练阶段。我们采用 EURUSD 一分钟周期的 15 年历史数据。这为模型提供了海量、多样化的市场场景。Encoder编码器学习识别行情规律、挖掘关键模式，并将市场状态编码为紧凑且信息丰富的特征向量。该向量是智能体做出全部决策的依据。训练过程中，Actor接收Critic和Director的反馈信号，学习行为策略。

接下来是在线微调阶段。在 MetaTrader5 策略测试器内运行。在该阶段，模型以写实方式与历史数据交互：逐根 K 线进行推演，包含市场噪声、随机波动以及行情不稳定性。这有助于让智能体的行为适配真实市场动态，在接近真实环境的条件下调整交易策略。

训练完成后，使用全新数据对模型开展测试，测试数据为2025 年 1 月的价格报价。所有参数均预先设定，测试全程保持固定不变。以此保证评估客观透明。测试结果如下所示。

作者：Dmitriy Gizlyk

[[删除]]

不知为何又出现了单边交易，仿佛该交易员实际上什么都没学到一样。真想看看趋势数据的平衡情况。没有OpenCL，没法验证 :)

[Syed Jawad Hussain Naqvi]

交易仅限做多

[raazimand]

感谢您分享代码。我关注您的文章已经有一段时间了。这些文章似乎都是基于最新的学术论文撰写的。 但我编译时遇到了问题，所有代码都出现了过多的语法错误。其中许多错误源于“NeuroNet.cl”文件，如果我没记错的话，这是“NeuroNet.mqh”中OpenCL计算的核心部分。 我相信您那边的所有代码都已成功编译。因此我推测问题可能出在我这边的 MQL 版本上，它可能与您的版本不同。您能否就此提供一些详细信息？谢谢！

[Ryan L Johnson]

Syed Jawad Hussain Naqvi #:
[该]交易仅做多[。]

就我个人而言，对于像标普500指数这样上涨趋势更为稳定的标的，纯多头算法可能更合适。

当然，欧元兑美元只是本文中相关概念和运作原理的一个示例，所以……