说来也奇怪，我不断做空BTC和XAU，二者又不断创出新高，然而我的账户资金却不减反增。
经过总结，我认为盈利的原因有以下几个：
定义属性 构建LSTM的四个门控单元：m_cForgetGate、m_cInputGate、m_cNewContent、m_cOutputGate，分别负责遗忘门、输入门、新内容和输出门的计算。 m_cMemorys和m_cHiddenStates，存储LSTM单元的记忆状态和隐藏状态。 m_cInputs，输入数据的缓冲区。 m_cForgetGateOuts、m_cInputGateOuts、m_cNewContentOuts、m_cOutputGateOuts，保存各个门控单元的输出结果。 m_cInputGradient，存储输入梯度，用于反向传播。 m_iDepth，网络的深度，表示层数。 初始化 创建CLayerDescription 指针temp 利用temp初始化 ForgetGate 利用temp初始化 InputGate 利用temp初始化 OutputGate 利用temp初始化 NewContent 初始化 InputGradient
一个有趣的现象，交易员有时会在明知是错的情况下去犯错。 原因很简单，当你数次陷入假突破陷阱之后，你还会相信真的突破来临嘛？如果恰好你通过抄底摸顶获得了大幅盈利，当真的突破来临时，你就会不假思索地再次抄底摸顶，从而使自己身处险境。 有人会说，如果不确定是否真突破，那我不去做不就可以了么？你或许可以抵挡住一次两次诱惑，但是当你多次“准确”预测行情，而又没有参与的时候，你就会后悔，懊恼，甚至是痛恨自己“胆小如鼠”。 这就是交易中的诱惑与陷阱，也就是人们常说的贪婪与恐惧。 成功的主观交易员与其说是战胜了市场，不如说是战胜了自己。人性的弱点无法克服，如果犯错不可避免，那该怎么办呢？ BTC交易 今天BTC终于突破了，在持续横盘震荡了数个交易日之后，在价格跌跌宕宕突破93000和94000之后，今天一举突破95000点并直接突破到97000点。 今天的交易就是非常典型的明知故犯错。 之前提到过BTC一直横盘，经常出现价格突破后立刻回调，也就是非常典型的假突破。我注意到BTC价格的低点和高点一次比一次高，因此理性观点是偏向多头的。但是自特朗普当选以来，BTC价格在不到15个交易日内
挣钱并不会让交易者感到更舒心，因为不管是盈利还是亏损，他都会犯错，而只要犯错，就不会感到舒心。——《股票作手回忆录》 我发现自己每隔一段时间就会出现一段低潮期，低潮期的感觉就是：内心十分抗拒交易，又忍不住查看行情，一旦看到行情波动又忍不住交易。 主要原因我认为是自己看不清楚市场方向。XAU从底部已经大幅反弹超过80美金，BTC不断冲击新高，USTEC也从底部有所反弹。没有明确的大方向导致在交易时总是惴惴不安。 与此同时，我的账户资金却大幅增长，为什么呢？ 在账户本金只有500美元的情况下，我给自己定的目标是每天盈利20美元。由于我看不清楚大方向，因此当我达到这个目标之后总跟自己强调不要继续交易。尽管我内心十分抗拒，但是行情总是会走出一些极端价格，一些让我无法抗拒入场的价格。 由于黄金短期大幅反弹，所以我比较看空。 BTC低点不断抬升，不断创出新高后回落。我看多但从来不做多，并且总是在前高附近做空。 USTEC的趋势性比较强，V型反转也很多。 所以最近几笔交易比较有意思：当我看到XAU和BTC同时出现在前高附近时，我就会同时做空二者；当我看到XAU在前高附近而USTEC大
与全连接的感知器相比，卷积网络有两种新型层：卷积（滤波器）和池化（子采样）。指定的层旨在突出主要组件并过滤掉原始数据中的噪声，同时降低数据的维度（体积），然后将其馈送到全连接的感知器中进行决策。根据要解决的任务，可以一致地使用几组交替的卷积层和子采样层。 卷积层负责识别源数据集中的对象。在这一层中，使用一个过滤器对原始数据进行数学卷积的顺序操作，充当卷积核。 池化层CNeuronProof 初始化，不需要激活函数，权重和优化器等内容。 前向传播，如果采用最大池化，使用 array.Max(1) 计算每行的最大值，并将其保存到 m_cOutputs 中；如果采用平均池化，使用 array.Mean(1) 计算每行的平均值，并将其保存到 m_cOutputs 中。 计算隐藏层梯度，如果采用最大池化，遍历窗口中的每个元素，如果元素值等于输出值 out，则将梯度 gradient 加到 inputs_