神經網路預測實驗室
🧠
神經網路預測實驗室用商品的週期、年度、星象和趨勢特徵訓練帶種子的小型神經網路委員會，先在保留區間和步進驗證折疊上檢查結果，再把擬合曲線向前延伸。需要 Pro 方案。
在哪裡找到
開啟儀表板 → 圖表 → 分析 → 神經網路預測實驗室。套用的疊加是神經網路預測指標，也位於指標 → 週期套件。
運作原理
實驗室重用與預測合成器相同的構件：主導價格週期、年度曲線、可選星象曲線和趨勢。線性擬合先捕捉大的形狀，再由小型神經網路委員會學習剩餘結構並疊加其上。每個網路都帶種子，相同設定與種子總是重現完全相同的曲線。
圖表上會出現三個區段：
- 模型擬合所在的淺色訓練區段。
- 訓練中模型從未見過的虛線保留區段——這裡的追蹤是第一道誠實性檢查。
- 把同一情境延伸到最新K線之後的實線前向區段。
訓練與驗證
點選訓練網路。讀數顯示訓練曲線在保留區間的表現——與價格同向變動的K線占比、逐日變化的相關性——以及與純線性擬合的對比，用來判斷委員會是否真的為該商品增加了資訊。
步進驗證表在更早的視窗上重複整個實驗：每個折疊都在更舊的K線上從頭重新訓練，並用其後的K線評分。信任前向區段之前請先閱讀它——只在最近視窗有效的情境是弱情境。實用的讀法：超過一半的折疊相關性為正且平均值為正，並特別關注最近的折疊——只在較舊視窗有效的擬合已經退化。所有數字都只描述你自己的商品、設定和日期範圍。
套用到圖表
套用到圖表會以固定的全部設定（包括解析出的週期和種子）新增神經網路預測疊加，儲存的版面會重繪完全相同的曲線。重新訓練後用更新疊加，用移除疊加清除。
設定參考
| 設定 | 含義 |
|---|---|
| 隱藏單元 | 每個網路的規模；越大越能擬合形狀，也越易擬合雜訊 |
| 委員會 | 取平均的獨立種子網路數量 |
| 輪數 | 每個網路的訓練上限；通常提前停止 |
| 種子 | 可重現性錨點——同一種子，同一曲線 |
| 衰減 | 權重衰減；數值越高修正越小 |
| 特徵 | 趨勢、主導週期、年度曲線、星象曲線 |
| 訓練視窗 / 保留 / 投影 | 用於擬合的K線、留作驗證的K線、向前投影的K線 |
負責任地解讀投影
- 投影轉折是檢查價格的時間，不是預測的高點或低點。
- 優先選擇保留區間與折疊數字持續有用的設定，而不是僅僅貼合歷史的曲線。
- 市場結構變化後請重新訓練；新聞、跳空和結構性變化會立即破壞擬合情境。
- 不要把預測合成器和神經網路預測算作兩個獨立確認——它們共享相同的底層成分。
方案權限
神經網路預測實驗室和神經網路預測指標需要 Pro。