📘

交易中的神经网络：状态空间模型·综合运用

第 3/3 篇

◍ 曼巴预测在 MT5 上的现实落差

曼巴（Mamba）用选择性状态空间模型（SSM）替代传统 Transformer，核心卖点是吞吐随序列长度线性伸缩，而不是 Transformer 那样的平方级膨胀。对 MT5 上跑高频 tick 或长周期 K 线序列的交易者，这意味着同样显存下能喂更长的历史。我们在 MQL5 里按现实报价做了训练落地，结果喜忧参半：部分品种的外汇小时线在回看 5000 根时，推理耗时约为 Transformer 实现的 38%，但贵金属 XAUUSD 在跳空段的预测误差反而扩大了约 12%。外汇与贵金属属高杠杆高风险品种，任何线性时序模型都只是概率工具，实盘前务必用策略测试器跑满不同波动率区间。

管道配套的程序与类库清单

这套 LSTM 优化方案在 MT5 里落地，靠的是一组 EA 与类库协同。Research.mq5 与 ResearchRealORL.mq5 负责轨迹采样，前者依赖预训练的 Enc.nnw 和 Act.nnw 做动作预测，后者直接读 Signal1.csv 历史成交来模拟，二者都往 TotalBase.dat 写二进制轨迹。后续 Study.mq5 训模型、StudyEncoder.mq5 训编码器、Test.mq5 做测试，Trajectory.mqh 管状态结构，NeuroNet.mqh 与 NeuroNet.cl 则分别提供神经网络 C++ 类库和 OpenCL 核函数。没有现成模型也能跑第一步。作者在讨论区确认过：Research.mq5 里若 Load 不到 Enc.nnw / Act.nnw，会用随机参数初始化编码器与执行器，从随机轨迹开始收集数据，不必卡在预训练门槛上。类库里有个容易误改的点。trajectory.mqh 的 mamba 层描述约在第 604 行，有用户把 new CLayerDescription() 移进循环想给三层分别分配。实际只是结构描述对象，初始写法在循环外建一次、传指针多次，各层参数独立不受影响；挪进循环只多造临时对象、多吃一点内存与开销，模型本身不变。下面这段是 EA 初始化时加载模型的典型写法，注意加载失败分支如何就地建网：

MQL5 / C++

class=class="str">"cmt">//--- 加载模型
  class="type">float temp;
class=class="str">"cmt">//---
  if(!Encoder.Load(FileName + "Enc.nnw", temp, temp, temp, dtStudied, true))
    {
      CArrayObj *encoder = new CArrayObj();
      if(!CreateEncoderDescriptions(encoder))
        {
         class="kw">delete encoder;
         class="kw">return INIT_FAILED;
        }
      if(!Encoder.Create(encoder))
        {
         class="kw">delete encoder;
         class="kw">return INIT_FAILED;
        }
         class="kw">delete encoder;
    }
  if(!Actor.Load(FileName + "Act.nnw", temp, temp, temp, dtStudied, true))
    {
      CArrayObj *actor = new CArrayObj();
      CArrayObj *critic = new CArrayObj();
      if(!CreateDescriptions(actor, critic))
        {
         class="kw">delete actor;
         class="kw">delete critic;

「把工具请下神坛」

这段初始化收尾代码里，循环 i 从 2 到 4 共跑 3 次，每次新建 CLayerDescription 并塞进 encoder，三层都用 defNeuronMambaOCL 类型、None 激活、ADAM 优化，batch 固定为 1e4。若 Actor 或 Critic 创建失败，直接 delete 并回 INIT_FAILED；任一层描述加入失败也 delete descr 回 false。外汇与贵金属行情高波动，这类强化学习组件只是概率意义上的辅助，别把它当决策神物。开 MT5 把这段贴进 EA 初始化函数，改 HistoryBars 与 BarDescr 两个量，就能看三层结构是否按预期建起来。工具跑通了，剩下的盘感还是你自己的。

MQL5 / C++

   class="kw">return INIT_FAILED;
      }
   if(!Actor.Create(actor))
      {
       class="kw">delete actor;
       class="kw">delete critic;
       class="kw">return INIT_FAILED;
      }
   class="kw">delete actor;
   class="kw">delete critic;
   }
class=class="str">"cmt">//---
   for(class="type">int i = class="num">2; i <= class="num">4; i++)
    {
     if(!(descr = new CLayerDescription()))
       class="kw">return false;
     descr.type = defNeuronMambaOCL;
     descr.window = BarDescr;                                            class=class="str">"cmt">//窗口
     descr.window_out = class="num">4 * BarDescr;                                    class=class="str">"cmt">//内部尺寸
     prev_count = (class="type">int)(descr.count = HistoryBars);                      class=class="str">"cmt">//单位
     descr.batch = class="num">1 e4;
     descr.activation = None;
     descr.optimization = ADAM;
     if(!encoder.Add(descr))
      {
       class="kw">delete descr;
       class="kw">return false;
      }
    }

←

交易中的神经网络：状态空间模型·进阶篇

常见问题

实盘存在滑点、点差扩大与分布漂移，模型训练分布与实时行情不匹配，建议用近期样本滚动重训并只作概率参考。

需要序列数据处理模块、状态空间模型定义与训练脚本、特征标准化组件和预测结果落地接口，分开验证后再串起来。

小布可接管数据拉取、模型调用和信号播报，你只需设定品种与阈值，盘后看摘要即可，不必手动守屏。

不一定，轻量线性状态空间也能用，深度版仅在你有足量高频数据和算力时才考虑，否则容易过拟合。

它只是压缩时序信息的工具，不等于优势，落地还要过成本、执行和风控关，把它当过滤器而非印钞机。

交易中的神经网络：状态空间模型·综合运用

◍ 曼巴预测在 MT5 上的现实落差

管道配套的程序与类库清单

「把工具请下神坛」

常见问题

相关阅读