DNA'神经元网络学习EA

DNA智能交易主要通过不断地延伸历史周期来训练学习EA的算法,持续重复优化内部数据来达到一个最理想化的盈亏比状态,以适应未来(未知限度)时期内的行情交易。

什么是神经网络?

  • XAUUSD ' 黄金 ' 训练学习预期盈亏比 4.5:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,采样输入交易周期样本:H4 / H1 / M30,期望输出值:起始资金建议$500~$1000,预期盈亏比4.5:1,可期盈利值≈$1200(0.01Lots),既定最大回撤(止损建议)$200~360,交易订单预计1200单。

    ★ 实盘验证15个交易日:盈利$132(0.01Lots),交易订单148单,未触及指定回撤值。

  • GBPUSD ' 镑美 ' 训练学习预期盈亏比 4:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,期望输出值:GBPUSD预期盈亏比4:1。

    ★ 实盘验证15个交易日:盈利$220(0.01Lots),交易订单129单,未触及指定回撤值。

  • AUDUSD ' 澳美 ' 训练学习预期盈亏比 3:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,期望输出值:AUDUSD预期盈亏比3:1。

    ★ 实盘验证15个交易日:盈利$136(0.01Lots),交易订单136单,未触及指定回撤值。

  • EURGBP ' 欧镑 ' 训练学习预期盈亏比 4:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,期望输出值:EURGBP预期盈亏比4:1。

    ★ 实盘验证15个交易日:盈利$56(0.01Lots),交易订单52单,未触及指定回撤值。

  • USDCAD ' 美加 ' 训练学习预期盈亏比 6:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,期望输出值:USDCAD预期盈亏比6:1。

    ★ 实盘验证15个交易日:盈利$64(0.01Lots),交易订单64单,未触及指定回撤值。

  • NZDUSD ' 纽美 ' 训练学习预期盈亏比 4:1 ' 实盘验证

    ☆ 训练学习数据参考:采样输入历史数据样本(2020.01 - 2021.04) ,期望输出值:NZDUSD预期盈亏比4:1。

    ★ 实盘验证15个交易日:盈利$46(0.01Lots),交易订单46单,未触及指定回撤值。

  • Image
  • Image
  • Image
  • Image
  • Image
  • Image
Free Bootstrap Template

什么是神经元网络EA?

DNA EA是一个逻辑回归模型,主要通过拟合源数据样本的集中修正运算,来适应与预测未来的数据流向。

神经元网络模型是一个包含输入,输出与计算功能的采样训练模型。我们截取一个有效数据,称之为样本。样本内有若干个已知属性,一个未知属性。即样本的特征和预期目标。01
我们需要做的就是通过已知属性预测未知属性。这里,已知的属性称之为特征,未知的属性称之为目标。假设特征与目标之间确实是线性关系,那么,我们就可以通过神经元模型预测新样本的目标。02
一个神经网络的训练算法就是让各项属性值调整到最佳,以使得整个网络的预测效果最好。若在实际交易应用的过程中市场状况变了,就要重新延伸截取最新采样数据对EA进行优化以适应市场的变化。03

Free Bootstrap Template

神经元网络EA最大的优势

DNA拥有强大的机器学习算法,是一个类似于大脑神经突触联接的结构进行信息处理的数学运算模型,通过不断的人工训练能够在大量的输入采样数据上快速地进行学习。

可预期的盈利能力

每一个输入样本都有一个特定的期望输出值(目标值),通过误差纠正学习算法来缩小实际(预测)值误差。

既定的亏损限度(止损)

当输入维度及层数增加后,网络的复杂度和学习时间将呈指数级增长并且接收到的结果并非总是最优的。所以通过学习的数据可控既定亏损的限度!

可控的订单交易量

通过采样数据的运算模型,收集各周期行情运动方向指数来预设交易订单数量。且通过各周期的情况,可作为行情预判。


那DNA神经元网络深度学习可以训练出10年不爆仓?
当然可以,不过没有意义!


因为10年的历史周期过分庞大,长周期的大方向无法拟合短期内的行情波动。如果神经类EA在训练的过程中,为了适应10年的历史周期的行情波动必然导致 盈亏比不合理、入场过分谨慎(订单量极少)。而在一定的时间周期样本内可以拟合出近期未来的行情波动空间,在最优化的数据范围内去计算出可控的预知风险(最大回撤值)。

EURUSD 10Year(2010.01-2021.04)

10年回测:起始资金$300,总盈利$854,最大亏损$252,交易订单总计840单。预计年化盈亏比1:4

10年训练学习的数据,应用实际交易参考

(2020.01-2021.04)盈亏比:1:1.1,交易订单量:110单

α特定采样周期学习的数据,应用实际交易参考

(2020.01-2021.04)盈亏比:3.5:1,交易订单量:136单

通过对比我们可以看到,10年的训练数据盈亏比以及订单交易量远远差于一定采样周期样本内所优化的数据。

多元化的交易组合,让交易更可期!

DNA EA神经类网络智能交易,通过多货币多周期的数据进行优化学习训练,使用者可以根据自己的起始资金情况、盈利期望、风险承受能力等情况精选组合交易。

  • Image
  • Image
  • Image
  • Image
  • Image
  • Image
  • Image
  • Image

采样周期样本的数据训练,
可以适应未来所有行情?

若在实际交易应用的过程中,未知行情导致亏损(浮亏或触发预设止损)大于预定样本内理论回撤值,那么说明市场状况变了,就要重新延伸截取最新采样数据对EA进行优化以适应市场的变化。

所以,要保证神经类网络EA持续交易不失效,就要定时截取最新的行情数据不断优化,但实际交易中出现预设止损值时,需重新优化训练学习。

We'd like to help and talk with you!

咨询官方客服