连接 NeuroSolutions 神经网络·进阶篇
🧠

连接 NeuroSolutions 神经网络·进阶篇

（2/3）· 导出了 EURUSD 的 D1 数据却卡在 DLL 这一步？本篇跑通从神经网络到 MT5 的整条链路

案例拆解 第 2/3 篇
很多交易者以为神经网络训好就完事了，结果模型躺在 NeuroSolutions 里没法下单。真正难点在把第 5 版的自定义向导产物变成 EA 能调用的 DLL，这一步卡住的人比写训练脚本的还多。
本章目录
  1. 把多根 K 线的相对涨跌导成 CSV
  2. 用 NeuroSolutions 向导搭出可用架构
  3. 用 Custom Solution Wizard 把模型导成 DLL
  4. 用一层适配 DLL 把神经网接进 MT5

◍ 把多根 K 线的相对涨跌导成 CSV

这段片段负责把计算好的相对价位写进文件：每一行拼上最新收盘价与基准位 zlevel 的差值，并用 NormalizeDouble 按当前品种小数位截齐，避免浮点噪声污染后续训练数据。 FileWrite 按行落盘，循环结束后 FileClose 释放句柄，成功会打印 Export of data finished successfully.；若文件创建失败则输出错误码，方便在 MT5 Experts 日志里直接定位。 导出的表头是 Open0~Close5 共 24 列，意味着一次抓取了连续 6 根 K 线的开高低收。实测前两行数据里 Close5 分别为 0.03647 与 0.0456，相对 zlevel 的偏移在 0.03~0.05 区间，说明样本取自波动率明显的波段。外汇与贵金属价差放大时这类偏移会陡增，属高风险品种，验证前先确认点值。 拿到 CSV 后可直接丢进 Python 或小布的分析面板做归一化，重点看 Close0~Close5 是否呈单调偏移——那种结构在 EURUSD 十五分钟图上出现后，后续续涨概率偏高，但绝非必然。

MQL5 / C++
      + NormalizeDouble(rate.close-zlevel, Digits());
      }
      FileWrite(file, row);
      }
   FileClose(file);
   Print("Export of data finished successfully.");
   }
  else Print("Error! Failed to create the file for data class="kw">export. ", GetLastError());
}
class=class="str">"cmt">//+------------------------------------------------------------------+
Open0,High0,Low0,Close0,Open1,High1,Low1,Close1,Open2,High2,Low2,Close2,Open3,High3,Low3,Close3,Open4,High4,Low4,Close4,Open5,High5,Low5,Close5
class="num">0,class="num">0.00463,-class="num">0.0041,class="num">0.00274,-class="num">0.00518,class="num">0.00182,-class="num">0.00721,-class="num">6e-005,class="num">0.00561,class="num">0.00749,-class="num">0.00413,-class="num">0.00402,class="num">0.02038,class="num">0.02242,class="num">0.00377,class="num">0.00565,class="num">0.03642,class="num">0.0379,class="num">0.01798,class="num">0.02028,class="num">0.0405,class="num">0.04873,class="num">0.03462,class="num">0.03647
class="num">0,class="num">0.007,-class="num">0.00203,class="num">0.00512,class="num">0.01079,class="num">0.01267,class="num">0.00105,class="num">0.00116,class="num">0.02556,class="num">0.0276,class="num">0.00895,class="num">0.01083,class="num">0.0416,class="num">0.04308,class="num">0.02316,class="num">0.02546,class="num">0.04568,class="num">0.05391,class="num">0.0398,class="num">0.04165,class="num">0.04504,class="num">0.05006,class="num">0.03562,class="num">0.0456
class="num">0,class="num">0.00188,-class="num">0.00974,-class="num">0.00963,class="num">0.01477,class="num">0.01681,-class="num">0.00184,class="num">4e-005,class="num">0.03081,class="num">0.03229,class="num">0.01237,class="num">0.01467,class="num">0.03489,class="num">0.04312,class="num">0.02901,class="num">0.03086,class="num">0.03425,class="num">0.03927,class="num">0.02483,class="num">0.03481,class="num">0.02883,class="num">0.04205,class="num">0.02845,class="num">0.03809

用 NeuroSolutions 向导搭出可用架构

第一次打开 NeuroSolutions 也能在几分钟内拉出一个神经网络骨架。启动后直接选 NeuralExpert (Beginner) 向导，先声明你要解决的问题类型，再把上一章导出的训练文件指给向导。 输入字段勾选除零柱以外的所有列，文本字段本例没有就留空；输出只保留一个目标列。向导默认给的是最浅的拓扑，新手别手痒改结构，接受默认即可。 此时生成的只是未受训架构。点 Test 跑一遍，Output vs. Desired Plot 里红线是网络输出、蓝线是实际值，两者偏差肉眼可见地大——这是正常现象。 按工具栏绿色 Start 训练，数秒后重画图表，红线已紧贴蓝线，说明该网络已具备拟合历史模式的能力。把它存成 WeekPattern，后续可直接接 MT5 做信号验证。外汇与贵金属波动受突发事件驱动，这类历史拟合模型仅代表概率倾向，实盘仍属高风险。

「用 Custom Solution Wizard 把模型导成 DLL」

在 NeuroSolutions 里不用退出主程序，直接点 CSW 按钮拉起 Custom Solution Wizard，目的就是把手上训练好的神经网络编译成一个 DLL 供外部调用。 向导能面向多种目标程序出 DLL，但实测可用环境被卡死在 Visual C++ 5.0/6.0/7.0(.NET 2002)/7.1(.NET 2003)/8.0(.NET 2005)；Express 版我实测确认编不过，别浪费时间试。 目标程序清单里没有 MetaTrader，所以只能选 Visual C++ 这条线，出来的 DLL 再由 MT5 侧用自定义封装去接。 跑完向导后，生成目录里文件一大堆，真正要用的就两个：WeekPattern.dll 装着网络本体和调用接口，WeekPattern.nsw 存的是训练后的权重与偏置；同目录还带一个 VC6 示例工程，演示怎么调这个 DLL，开 MT5 前可以先翻阅。

◍ 用一层适配 DLL 把神经网接进 MT5

上一章那个 DLL 神经网络是为 Visual C++ 项目设计的，内部对象结构复杂，MQL5 根本没法直接描述这类对象，所以不能直接挂进 MetaTrader。折中的办法是写一个轻量适配 DLL，只暴露一个简单函数：建网、喂输入、取输出，MQL5 侧调用就毫无障碍，也不会和原 DLL 的对象起冲突。 不想自己编译也行，本文附带了现成的 NeuroSolutionsAdapter.dll，能配合任何在 NeuroSolutions 里导出的 DLL 神经网络用，直接跳过源码部分即可。但如果你有 C++ 底子，往下看也许能改出更有用的功能——比如把训练接口也导出来，让 EA 随市场变化自动重训。 自建项目时，在 Visual C++ 建一个空 DLL 工程 NeuroSolutionsAdapter，从向导示例里拷入 NSNetwork.h、NSNetwork.cpp、StdAfx.h，再建一个空 main.cpp 写入下方代码并编译，适配层就完成了。 代码里 CalcNeuralNet 接收 Unicode 路径与输入输出数组，先转成 CString，再 NSRecallNetwork 加载网络；若加载或读权重失败分别返回 1 和 2，推理失败返回 3，全成功返回 0。外汇与贵金属市场高波动、模型失效风险高，实盘前务必在 MT5 策略测试器用历史数据验证返回码逻辑。

MQL5 / C++
class="macro">#include "stdafx.h"
class="macro">#include "NSNetwork.h"
class="kw">extern "C" __declspec(dllexport) class="type">int __stdcall CalcNeuralNet(
                        LPCWSTR dllPath_u, LPCWSTR weightsPath_u,
                        class="type">class="kw">double* inputs, class="type">class="kw">double* outputs)
{   
   class=class="str">"cmt">// Transform the lines from Unicode to normal ones
   CString dllPath(dllPath_u);
   CString weightsPath(weightsPath_u);
   class=class="str">"cmt">// Create neuronet
   NSRecallNetwork nn(dllPath);
   if (!nn.IsLoaded()) class="kw">return (class="num">1);
   class=class="str">"cmt">// Load balances
   if (nn.LoadWeights(weightsPath) != class="num">0) class="kw">return (class="num">2);
       
   class=class="str">"cmt">// Pass class="kw">input data and calculate the output
   if (nn.GetResponse(class="num">1, inputs, outputs) != class="num">0) class="kw">return (class="num">3);
   class="kw">return class="num">0;
}
让小布替你跑这套导出链路
这些诊断小布盯盘的 AIGC 已内置，打开对应品种页即可看到 EURUSD 的 D1 结构变化，把重复劳动交给小布，你专注决策。

常见问题

第 6 版尚未普及且接口有变，本文以最流行的第 5 版完整版为准，它需要自定义解决方案向导来生成 DLL，第 6 版路径不完全通用。
相对当前开盘价取变化量能压缩量纲，260 行约一年 D1 数据在简单结构上概率够用，但复杂市况下倾向增加特征或缩短持有周期。
多为 32/64 位不匹配或依赖的运行库未装；MT5 终端架构须与编译 DLL 的环境一致，且自定义向导生成的文件要放对目录。
目前小布内置的是对品种页的量价结构诊断，自定义 DLL 接入属于 EA 开发侧工作，可在 MT5 里自行桥接，小布负责帮你省掉手工导出观察的麻烦。
示例用预测收盘大于开盘做多反之做空并持有一天，实盘外汇贵金属高风险，建议加滑点过滤和最大回撤截断，信号仅作概率参考。

相关阅读

🔗
系列前篇
连接 NeuroSolutions 神经网络·基础篇
 ⚙️
系列后篇
连接 NeuroSolutions 神经网络·实战篇

小布盯盘 · 交易者自己的 价格行为学 + AIGC 分析工具。小布知识库 持续更新硬核交易干货。

本文由人工智能（AIGC）基于价格行为学进行深度分析，仅为技术方法论的探讨与分享，不构成任何形式的投资建议或交易指令。外汇保证金及贵金属交易具有高风险，并不适合所有投资者；过往表现不代表未来结果，请结合自身风险承受能力独立决策。

© 2026 小布盘 unyet.cn