神经网络变得轻松（第四十九部分）：软性扮演者-评价者·综合运用
◍ 训练循环里的双评论家误差监控
这段逻辑跑在强化学习训练循环末尾，用 TargetCritic2.WeightsUpdate 把软更新参数 Tau 推给目标网络，保证主评论家与影子网络不同步崩坏。 为避免每帧刷屏，代码用 GetTickCount 做了 500 毫秒节流：只有距上次打印超过 500ms 才在图表用 Comment 输出 Critic1 / Critic2 的进度百分比与近期平均误差，误差格式保留到小数点后 8 位，方便肉眼看收敛趋势。 循环结束后清空图表注释，并用 PrintFormat 把两个评论家的最终平均误差打到日志，精度 10.7f；随后调 ExpertRemove 让 EA 自退，防止训练完还占着行情线程。外汇与贵金属市场高波动，这类离线训练 EA 切勿直接挂真实账户跑。
TargetCritic2.WeightsUpdate(GetPointer(Critic2), Tau); class=class="str">"cmt">//--- if(GetTickCount() - ticks > class="num">500) { class="type">class="kw">string str = StringFormat("%-15s %class="num">5.2f%% -> Error %class="num">15.8f\n", "Critic1", iter * class="num">100.0 / (class="type">class="kw">double)(Iterations), Critic1.getRecentAverageError()); str += StringFormat("%-15s %class="num">5.2f%% -> Error %class="num">15.8f\n", "Critic2", iter * class="num">100.0 / (class="type">class="kw">double)(Iterations), Critic2.getRecentAverageError()); Comment(str); ticks = GetTickCount(); } } Comment(""); class=class="str">"cmt">//--- PrintFormat("%s -> %d -> %-15s %class="num">10.7f", __FUNCTION__, __LINE__, "Critic1", Critic1.getRecentAverageError()); PrintFormat("%s -> %d -> %-15s %class="num">10.7f", __FUNCTION__, __LINE__, "Critic2", Critic2.getRecentAverageError()); ExpertRemove(); class=class="str">"cmt">//--- }
「EURUSD H1 上的实跑结果」
模型用 EURUSD H1 从 2023 年 1 月到 5 月的历史数据做训练与测试，指标和超参数全部取默认。结果并不好看：训练集 5 个月亏了 3.8%，撰写时没能训出训练集盈利的模型。 亮点是最大盈利单笔是最大亏损的 3.6 倍，但平均盈利只略高于平均亏损；可盈利交易占 49%，就差这 1% 没能翻正。样本外数据变化不大，胜率升到 51%，可平均盈利规模掉下去，整体还是亏。 样本外表现稳定算正向信号，但怎么扭亏还没解。怀疑来自算法变动、温度系数膨胀刺激了过度探索，或抽样动作值太散——动作概率近 0 时高熵把奖励吹胀，扭曲了扮演者策略。要定位原因得加测，后续结果会接着放。 外汇与贵金属属高风险品类，上述回测仅为历史数据现象，不构成未来收益暗示，开 MT5 用默认参数复跑 H1 EURUSD 2023 年区间即可验证。
SAC 实盘落地的当前边界
软性扮演者-评论者（SAC）把政策熵最大化嵌进目标函数，靠熵正则化逼着代理去试探新动作，避免策略过早锁死。这个机制在随机环境里找最优解的思路是清楚的，但落到 MT5 上得自己掂量。 我们用 MQL5 把这套跑通了，训练集内和留出样本上模型性能都稳，说明经验能泛化到没见过的行情条件。不过实盘层面，目前没训出能盈利的策略，外汇和贵金属这种高波动品种，高风险先摆在前面。 下一步是专门去搜可盈利的扮演者政策，训练结果后续再在知识库里更。你现在可以开 MT5 把熵系数调小一点，看模型是不是更快收敛但泛化掉得厉害。
◍ 把这条线请下神坛
这套 LSTM 优化方案落地到 MT5，靠的是 6 个文件分工：Research.mq5 收样本、Study.mq5 训代理、Test.mq5 测模型，Trajectory.mqh 管状态结构，NeuroNet.mqh 与 NeuroNet.cl 分别提供神经网络类库和 OpenCL 内核，ZIP 包约 1294.79 KB。 评论区里有人贴过一段 CreateDescriptions 构建 Actor-Critic 网络的代码，Actor 侧叠了输入层、批归一化、两层卷积（window 分别取 HistoryBars 与 8，window_out 为 8 和 4）、两个 1024 宽全连接、SoftMax、多头注意力，再到 Concatenate 与三层 BaseOCL，Critic 侧则收敛到 1 个输出节点；这种结构在 EURUSD 15 分钟这类多元时序上可能降低过拟合概率，但外汇贵金属杠杆高，实盘前务必用 Test.mq5 跑历史回测。 代码能跑通不代表策略能活，神经网络给出的只是概率倾向，别把它当圣杯；打开 MT5 把 ZIP 解到 MQL5 目录，先让 Research 跑一周 tick 再说。