运用人工智能实现的 Thomas DeMark 次序 (TD SEQUENTIAL)·进阶篇
预测网络与分类网络的取向分歧
神经网络在交易里的用法分两条线，根源在拓扑结构不同：一条做预测，一条做分类。预测网络会吐出输出变量的未来值，还附带方向强度。比如当前 EURUSD 在 1.0600，它若输出一小时后到 1.0700，就是预测 +100 点。 我个人不认同预测这条路，理由很哲学——未来没有定义。当然这只是口味问题，预测网络实测表现并不差。 我更偏向分类网络：它只解读当下市场状态，判定越准，交易越容易成。预测网络让你按 1.0600 买、到 1.0700 卖；分类网络只给个“现在该买”的信号，出场等下一个信号，不猜精确价位。 卡斯帕罗夫曾被问下棋算多少步，他回：关键是分析当前局面优劣，不是往前推多少步。外汇也一样，定住当下状态、迈对一步就够了。外汇及贵金属杠杆高，信号错判会快速放大亏损。
「双网络委员会与不过度训练的设计」
Reshetov 公开的优化器走了一条和经典神经网络不同的路：它不存在过度训练的问题，只会出现训练不足。训练质量直接用百分比衡量，上限是 100% 但极难达到；实战中拿到 80% 训练度的网络，就意味着剩余 20% 情形会出错，交易者能提前对这部分误差有心理和仓位上的准备。 优化器在代码文件里内置了两个网络，每个都是非线性方程。数据先被规整，再依次送进方程输入。两个网络组成‘委员会’来提升泛化：都判‘是’信号才有效，都判‘否’为假，意见分歧时返回‘不确定’。这个‘不确定’是历史数据里没有的状态，它代表有效与假信号同时发生的可能，相当于从二值判断滑向了类量子位的 1/0 叠加。 数据准备阶段用 Excel 表：列是网络输入，末列是输出，1 代表获利信号、0 代表亏损信号，每行是一次信号出现时的快照。载入优化器后表被拆成训练集与测试集，两个网络交叉训练但分开计算，委员会统合结果。 环境或 AI 架构本身不是根本，数据质量才是。哪怕最朴素的感知器，只要输入端数据干净，用反向传播也能避开通病。优化器先规整再喂给带 20 个系数的传统方程，若输入真是输出的因，近期约 10 个信号里会有 2 个撞上那 20% 误差。外汇与贵金属波动剧烈、杠杆风险高，任何价格变换都带滞后，指标延迟会直接拖累这类系统的表现，输入输出的选取下篇再拆。
◍ 用 TD 次序配双网络委员会做日内取向
把 TD 次序和双网络委员会结合起来，能在日内拆出可交易的真假信号。蓝箭头向上指红点代表卖出有效、向下指代表虚假；蓝点则相反，向上为有效买入、向下为虚假。若箭头缺失，就是委员会给出的“不确定”响应，意味着训练样本里没有相似形态、两网络意见分歧。 日内直接跟单往往吃亏，但“分离原理”能救场。假设 AI 判某卖出信号为假，实际却小赚，接着又来一个被标“假”的卖出信号——只要它和前一个落在同一分离区域，就把指标箭头扳向行情盈利方向。原文图例里信号 #1 红点原本无利，箭头转下后变有利，#2 同区也跟着可交易；买入侧 #3 被误判假，反转箭头后 #4 指对方向，#5 进新区域才引发反转。 本质上我们拿到了一个稳定的亏损逆模型，反转后即盈利模型，我称之为“模型取向”。一天内只需等首个买、卖信号出现并定方向，后续沿用即可，M15 周期日间通常能挤出 2 至 5 个信号。关键是比对最近两个信号是否同组，并参照已知结果行动，但神经网络仍可能误判。 附带的 BuyVOLDOWNOPNDOWN.mq5 与 SellVOLDOWNOPNDOWN.mq5 在 4 天回看里，纯网络图（图例4）表现平平；按当天首个信号取向后（图例5），从第二个信号起绿线盈利、红线亏损的图样明显干净。系统对报价不敏感，但曾因经纪商关键时刻报价不同导致某平台无信号，概率很低。 “不确定”有两种重分类法。第一种把不确定卖出视同前次不确定的假信号、不确定买入也视同假，经验上效果好且逻辑直接；第二种按委员会内网络 A/B 谁跨零来挑出正确答案网络，偏内部优化。我惯用第一种：不确定组后续同方向延续，比第二种更稳。 外汇与贵金属属高风险品种，双网络只是辅助，真下单前仍需等确认、选价位、估回滚。训练深度约 30 个信号（8–10 天）时，模型跑越久越频出“不确定”，符合“过去不参照未来”的衰减规律。
方法论落地与代码边界
这套思路本质是纯方法论，TD Sequential 与日线承接过滤指标已附在文末，但需注意它们是用 MQL4 重写的，并未覆盖文中全部功能。 核心缺口在神经网络输入：原文依赖一套付费的 ClusterDelta 指标，开源代码无法直接复现完整算法。若想用 MQL5 完整重建，得把所有依赖指标重写一遍。 作者愿意提供已编译的指标文件，也开放合作重写 MQL5 版本。对外汇、贵金属交易者而言，这类 AI 辅助信号仍属高风险，实盘前务必在 MT5 策略测试器里跑通再谈仓位。
「配套指标与数据文件清单」
这套基于 DeMark 次序与成交量/持仓分类的玩法，落地到 MT5 要先把 11 个程序备齐。核心信号来自 TDSEQUENTA_by_nikelodeon.mq5：蓝点红点直接给买卖提示，绿点提前预警条件满足但尚未触发，适合手动盯盘族先占位置。 eVOLution-dvoid.1.3 负责把前一天的成交量与持仓差值写进指标缓冲区，相当于把行情前后承接关系固化下来，方便当日模型调用。它依赖一个手工维护的文本文件 dvoid-BP.csv，原文方案是每天早 7:30（莫斯科时间）从芝加哥交易所网站抄录数据，下载后改扩展名丢进 ..\Files\evolution-dvoid\ 目录。 剩下 8 个 mq5 是纯分类网络：Buy/Sell 各 4 种，按「量升/降 × 持仓升/降」组合切分信号。比如 BuyVOLUPOPNDOWN.mq5 只在交易量上升且持仓下降的交易日吐买入分类，SellVOLDOWNOPNUP.mq5 对应量降仓升的卖出分类。外汇与贵金属波动受杠杆与消息面牵引，这类信号仅描述概率倾向，实盘前务必在策略测试器跑一遍样本外数据。 打开 MT5 把上述 mq5 逐一编译进 Indicators 文件夹，再补上 csv 数据通道，就能复现原文的信号分层逻辑；缺任意一个分类文件，对应市况下就会少一块决策拼图。