神经网络在交易中的实际应用（基础篇）
「在 MT5 里跑通一个神经网络信号」
MetaTrader 5 自 2020 年起就支持在策略测试中直接调用预训练神经网络，社区里一篇发布于 2020-10-02 的示例帖拿到了 4909 次浏览与 40 条讨论，说明这条路已被实盘玩家反复踩过。 想验证可行性，不必自己训模型。先打开 MT5，新建一个 EA 把网络推理封装成函数，用历史 tick 喂进去看信号分布，比看任何理论都直观。外汇与贵金属杠杆高，神经网络信号只作概率参考，不代表方向必然成立。 小布盯盘的做法是：把网络输出做归一化，再叠加价格行为学的吞没确认，只在两者同向时给提醒。这样能把纯网络误触发压到可接受区间，但仍需你自己在 MT5 回测里调阈值。
◍ 做交易机器人前先厘清神经网络的边界
把神经网络塞进 EA 之前，得先划清范围：本文只讨论创建交易机器人时的神经网络应用，不谈通用 AI 预测大盘。更宽泛的层面，我们要先锚定几个真问题——机器学习能不能造出可盈利系统、神经网络到底能交付什么、训练它做决策的基本原理是什么。 另一组待解疑问是工程侧的：神经网络在 MT5 里怎么集成、怎么测、训练样本怎么来。根据 MQL5 社区公开案例，纯 BP 网络在 EURUSD 的 H1 上做方向分类，样本外准确率常落在 52%~58% 区间，刚过随机基线，距离「可盈利」还差一截风控与成本模型。 所以别一上来就调神经元层数。先想清楚：你是要它替你拍板开仓，还是只输出一个概率倾向让你人工确认。外汇和贵金属杠杆高，模型过拟合一次就可能把账户拖穿。
人脑与神经网络在信号合成上的同构
不少新手第一次做实盘，往往拿张纸列一堆指标，在图表旁手标正负号或箭头，凭肉眼汇总出方向判断。这本质是用最先进的神经网络——人脑——做信号合成：看多个指标图像，在脑内压成一个最终信号再下单。 问题在于，人脑同一时刻只能回看有限周期，很难把指标在过去几年的表现同时塞进判断里。而训练后的神经网络可以接管这件事：把多年历史窗口里的指标状态编进一个合成指标，再做优化。 所以「机器学习能不能做出可盈利系统」的第一个答案偏向肯定——它只是把人脑手动做的合成过程用程序固化。具体怎么在 MT5 里落地，可以看作者公开的两个视频演示（含神经网络模块在线测试），但外汇/贵金属高杠杆，回测能跑通不代表实盘概率占优。
「用神经网络做决策的三条路径」
动手写任何 EA 之前，先想清楚系统靠什么原则跑。这里只取两条基本面：横盘和顺势，不碰日内、新闻、开盘时段这些衍生玩法。看过不少神经网络产品的介绍，作者们总建议直接预测股价、货币价。 把训练好的价格预测网络画出来，你会发现它把价格曲线重现了一遍，但整体滞后一个步长。不管预测的是价格本身还是它的衍生品，结论都一样：网络输出的是“昨天的价格”，对实盘几乎没用。 由此能拆出三种用法。第一种，我们下单后 NN 才告诉方向对不对——这不用网络也知道，直接弃用。第二种，收盘时收到信号，预测下一周期收盘位，算是对未来瞥一眼，但纯自动化盈利很难落地。第三种，盘中跟踪 NN 的实时反应，它给出现在该买还是该卖的提示，这才是能用的交易决策流。 变体二抱着“收明天结果”的目标喂数据，变体三则在决策前用早一步的信息示意价格去向。实现难度上，第三种反而更轻：不需要等周期闭合。本系统落地的就是第三种——让 NN 的“昨天”变成你的“今天”，外汇与贵金属波动剧烈，高杠杆下这种滞后信号也可能失效，上 MT5 跑回测前先想清你的训练窗口。