MQL5 中的矩阵和向量：激活函数（基础篇）
在 MQL5 里给矩阵喂激活函数
MQL5 自 Build 3510 起原生支持矩阵(matrix)与向量(vector)类型，这让策略原型可以直接在 MT5 里做轻量张量运算，而不必外挂 Python。对做价格行为特征工程的人来说，这意味着能把一串 K 线数值压成向量，再套一层激活函数做非线性变换。 激活函数本身不改变矩阵维度，只逐元素映射。比如把价格变化率向量过一层 Tanh，就能把极端波动压缩到 [-1,1]，后续做相似度计算时不会被个别跳空吞掉信号。下面这段演示了如何用 MQL5 对矩阵做 Tanh 激活。 [CODE]matrix a(2,2); a[0][0]=2.5; a[0][1]=-1.3; a[1][0]=0.0; a[1][1]=4.1; matrix b = a.Tanh(); Print(b);[/CODE] 逐行看：先声明 2x2 矩阵 a；四行分别给四个元素赋原始值，包含正、负、零、大正值；调用 Tanh() 成员函数生成新矩阵 b，原矩阵不被改写；Print 输出后可在专家日志看到 b 约等于 [0.987, -0.862; 0.0, 0.999]。外汇与贵金属波动有跳空风险，实盘前务必用历史数据核对激活后的数值分布。 开 MT5 新建脚本粘入上面代码，把 a 的元素换成你某段 EURUSD 的收益率序列，跑一遍看压缩效果，比纯口头理解快得多。
matrix a(class="num">2,class="num">2); a[class="num">0][class="num">0]=class="num">2.5; a[class="num">0][class="num">1]=-class="num">1.3; a[class="num">1][class="num">0]=class="num">0.0; a[class="num">1][class="num">1]=class="num">4.1; matrix b = a.Tanh(); Print(b);
「为什么只聊激活函数」
市面讲神经网络训练的资料已经堆成山，MQL5 社区里也有人写过多个系列长文，从反向传播到损失函数都覆盖过。 我们这一篇不重复造轮子，只切一个最容易被忽视、却直接影响模型表达能力的点——激活函数。把这一块的内部机制拆清楚，比泛泛而谈整个训练流程更有实操价值。 后续你会看到具体的 MQL5 代码片段，直接在 MT5 里建个脚本跑一遍，就能验证不同激活函数对输出分布的扰动。外汇和贵金属市场高杠杆、高波动，任何模型信号都只是概率倾向，实盘前务必用小资金验证。
◍ 激活函数为何必须可微
人工神经网络里，神经元激活函数负责把一组输入信号映射成输出信号值。它要在整个实数域上可微分，否则反向传播这一步就断了——训练时误差要从输出层往回传，必须能算出激活函数对每一个输入分量的偏导数向量。 非线性激活函数常被认为更利于模型学到复杂边界，但 ReLU 这种分段线性函数（x>0 输出 x，x≤0 输出 0）在大量实证里也跑得通，说明“非线性的必要神话”在外汇量化里未必成立。 对做 MT5 信号模型的交易者来说，选激活函数时先确认你的训练框架是否依赖梯度链；若用 ReLU，注意它在 0 点不可导，实现层通常用左导数 0 近似，这属于工程妥协而非理论完美。
用脚本把激活函数和它的导数画出来
要把激活函数和导数的形状看清楚，最直观的办法是在 MT5 图表上直接描图。我们构造了一个从 -5 到 5 的单调递增序列作为横轴输入，逐点计算函数值与导数值，这样曲线形态一眼可辨。 脚本跑起来后会弹出文件对话框，按 Page Down 键就能指定把图像存成什么文件；随时按 ESC 可终止脚本，不占用图表资源。 图上蓝色线是激活函数本身，红色线是它的导数。把两者叠在一起看，能马上判断该函数在哪段区间梯度饱和、哪段还有有效学习信号——调神经网络隐层时这是个很实用的先验检查。外汇与贵金属市场波动剧烈、杠杆风险高，这类工具只用于辅助验证模型假设，不构成任何交易结论。
「ELU 的负区饱和特性与 alpha 调参」
ELU 在输入大于等于 0 时原样输出，负区则走 alpha*(e^x - 1)，比 ReLU 多了负向饱和能力，能让均值更靠近 0，缓解神经元死亡。它多带一个 alpha 参数，不传时默认 1，传了就直接改变负区斜率与下界。 导数侧同样分段：正区恒为 1，负区是 alpha*e^x，在 x=0 处左极限为 alpha、右极限为 1，alpha=1 时恰好连续可微。若把 alpha 设成 3.0，负区下界就压到 -3，梯度负区更陡。 下面这段 MT5 向量激活调用，第一行用默认 alpha=1，第二行显式传 3.0，跑完可对比 vector_c 在负输入段的数值分布。外汇与贵金属模型里用 ELU 做特征变换，可能因分布偏移放大回测误差，属高风险实验，建议先在小样本验证。
if(x >= class="num">0) f = x; else f = alpha*(exp(x) - class="num">1); if(x >= class="num">0) d = class="num">1; else d = alpha*exp(x); vector_a.Activation(vector_c,AF_ELU); class=class="str">"cmt">// call with the class="kw">default parameter vector_a.Activation(vector_c,AF_ELU,class="num">3.0); class=class="str">"cmt">// call with alpha=class="num">3.0
◍ 指数激活函数靠 exp 自导自演
指数激活函数的核心就是 f(x)=exp(x)，而 exp 的导数还是它自己，这一性质让反向传播里的梯度计算省掉额外分支。 在 MQL5 的 vector 体系里，这类激活没有可训练参数，调用时只需指定 AF_EXP 标志，不附带任何系数。 外汇与贵金属模型若用指数激活，需注意输出无上下界，价格序列归一化不当会放大波动风险，建议先在 MT5 用历史 tick 跑一遍数值稳定性。
f = exp(x); vector_a.Activation(vector_c,AF_EXP);