文章 "交易中的神经网络:异质性感知元参数学习(结论)" 新评论 MetaQuotes 2026.11.18 09:56 新文章 交易中的神经网络:异质性感知元参数学习(结论)已发布: 本文介绍了使用MQL5实现HimNet框架的具体方案,该方案可直接集成到自动化交易中。 我们展示了异质性自适应元参数如何将该模型转变为一种通用工具,使其能够应对波动率的变化。 训练分为两个相辅相成的阶段,既能打下坚实的基础,又能提供在真实市场条件下运行所需的灵活性。 在第一阶段(离线阶段),我们使用EURUSD货币对2024年全年的H1时间周期历史数据进行了充分训练。 这一时期涵盖了各类市场状态——平静的盘整行情、持续的趋势、波动率的急剧飙升以及噪声加剧的时期——因此成为该模型的绝佳训练场。 第二阶段是在线微调。 该模型在MetaTrader 5策略测试器中依次处理K线流,测试条件尽可能接近真实交易环境。 这一阶段展现出的特性与离线训练截然不同:能够容忍噪声、对流动性变化作出适当反应,并能应对延迟和滑点。 我们细致地模拟了真实的交易执行条件,以确保模型在转入真实市场环境后,其行为仍保持可预测性。 最后也是最严格的验证阶段使用了完全独立的外部样本——2025年1月至3月的报价数据。 在此过程中,所有模型参数均保持冻结状态。 此类测试客观地反映了实际有效性:即算法在新的条件下保持稳定性和可预测性。 测试结果如下所示。 作者:Dmitriy Gizlyk 新评论
新文章 交易中的神经网络:异质性感知元参数学习(结论)已发布:
训练分为两个相辅相成的阶段,既能打下坚实的基础,又能提供在真实市场条件下运行所需的灵活性。 在第一阶段(离线阶段),我们使用EURUSD货币对2024年全年的H1时间周期历史数据进行了充分训练。 这一时期涵盖了各类市场状态——平静的盘整行情、持续的趋势、波动率的急剧飙升以及噪声加剧的时期——因此成为该模型的绝佳训练场。
第二阶段是在线微调。 该模型在MetaTrader 5策略测试器中依次处理K线流,测试条件尽可能接近真实交易环境。 这一阶段展现出的特性与离线训练截然不同:能够容忍噪声、对流动性变化作出适当反应,并能应对延迟和滑点。 我们细致地模拟了真实的交易执行条件,以确保模型在转入真实市场环境后,其行为仍保持可预测性。
最后也是最严格的验证阶段使用了完全独立的外部样本——2025年1月至3月的报价数据。 在此过程中,所有模型参数均保持冻结状态。 此类测试客观地反映了实际有效性:即算法在新的条件下保持稳定性和可预测性。
测试结果如下所示。
作者:Dmitriy Gizlyk