PMTS 2026年3月：自学习AI — 我们的系统如何从自身错误中学习

每个交易系统都会犯错。一个好的系统与一个伟大系统的区别不在于错误的缺失 — 而在于从中学习的能力。

今天，我们宣布自2023年集成GPT-4以来，PMTS最重大的技术进步：一个闭环自学习AI，自动审查其自身预测，与真实市场结果进行比较，识别错误原因，并调整其模型以避免重复相同的错误。

我们称之为预测反馈循环，它改变了PMTS的运作方式。

问题：动态市场中的静态AI

迄今为止，我们的AI主分析器基于一个简单的原则运作：接收数据，进行分析，生成信号。每15分钟（或在智能刷新触发时），它会处理最新的市场数据并输出新的预测。但它从不回顾。

想象一下。AI会预测“看涨，78%概率，目标$3,080” — 然后，当下一个分析周期运行时，它会完全重新开始。它从不问：我对了吗？价格是否达到$3,080？如果没有，为什么没有？我错过了什么？

一个人类交易者自然会这样做。在每次交易后，经验丰富的交易者会回顾发生了什么：“我看涨是因为DXY疲软，但我错过了导致反转的实际收益飙升。”这种自我审查过程是人类交易者在数月和数年中提高的方式。

我们的AI完全错过了这一点。它没有过去预测的记忆，也没有评估自身准确性的机制。直到现在。

预测反馈循环 — 它是如何工作的

系统在每个分析周期自动运行四个阶段：

阶段1：预测存档

每次AI主分析器生成预测时，完整输出都会带有时间戳存档：

• 预测方向（买入/卖出/中立）和概率
• 预测H4蜡烛（开盘、高点、低点、收盘估计）
• 会话预测（亚洲/欧洲/美国方向和范围）
• 跨市场综合评分和个别信号偏差
• 入场参数（入场价格、止损、止盈水平）
• 市场状态分类
• 信心水平和质量等级

这创建了一个系统曾做出的每个预测的结构化历史记录。

阶段2：结果测量

当下一个分析周期运行时，在生成新预测之前，系统首先评估前一个预测：

• H4蜡烛准确性：预测方向是否正确？价格范围是否在容差带内准确？
• 会话预测准确性：每个会话（亚洲/欧洲/美国）是否按预测方向移动？预测范围是否得到尊重？
• 交易推荐结果：如果信号是买入，价格是否上涨？如果推荐了特定的入场和止盈，是否实现？
• 跨市场信号准确性：个别跨市场偏差（US10Y、DXY、VIX等）在黄金方向预测中是否正确？

每个预测都会收到一个综合准确性评分，从0%（完全错误）到100%（完全准确）。

阶段3：错误模式分析

这就是魔法发生的地方。当准确性评分低于60%时，AI进入诊断模式：

系统将原始预测和实际结果反馈给GPT-4o，并附上特定提示：

“你预测看涨，概率78%，目标$3,080。实际结果是下跌25点至$3,045。以下是预测时可用的市场数据[附上]，以及实际发生的情况[附上]。分析：（1）你过度或低估了哪些具体数据点？（2）存在哪些信号但未给予足够重视？（3）此错误属于哪个类别？（4）对你的分析框架进行哪些调整可以防止将来出现此错误？”

AI以结构化错误分析回应。例如：

“错误类别：基本面覆盖。单独的看涨技术信号是正确的，但我低估了即将发布的CPI（在我预测后90分钟发布）。历史数据显示，CPI发布前的头寸经常逆转日内趋势。调整：将‘即将发生的高影响事件在2小时内’惩罚权重从-10%增加到-20%在信心评分上。”

阶段4：模型适应

错误分析不仅仅是记录 — 它积极修改AI在后续预测中的行为：

• 动态权重调整：如果系统在事件密集期持续过度重视技术信号而低估基本数据，权重分配会自动调整。基础权重（技术40%，基本面35%，情绪25%）现在是动态的，基于最近每个类别的预测准确性进行调整
• 错误模式数据库：每个诊断错误都会被分类和存储。在生成新预测之前，AI会查看最近的错误以检查：“我是否即将犯同样的错误？”如果当前市场条件与已知错误模式匹配，信心会自动降低
• 信心校准：随着时间的推移，系统会学习在不同信心水平下的自身准确性。如果发现70-75%信心的预测实际上只有55%的成功率，它会重新校准，使声明的信心更接近实际结果
• 会话特定学习：系统跟踪每个交易会话的预测准确性。如果它在亚洲会话中持续出错但在欧洲会话中正确，它会相应调整其会话特定的信心水平

早期结果：反馈循环在行动

我们在2026年1月以影子模式部署了预测反馈循环（与实时系统并行运行但不影响交易），然后在2月激活用于实时交易。

经过8周的运行，初步观察：

识别的错误模式

1. “事件前过度自信” — AI在重大经济发布前2小时内生成高信心方向信号，这些信号在数据发布后经常逆转。反馈循环在4次发生后识别出此模式，并自动增加事件前信心惩罚
2. “亚洲会话均值回归” — 系统在亚洲会话期间应用趋势跟随逻辑，而历史数据显示黄金在低流动性时段往往均值回归。在6次失误后，AI现在在01:00-06:00 CET期间默认中立/震荡偏见，除非有强烈催化剂
3. “跨市场分歧盲点” — 当DXY和US10Y朝相反方向移动时（在特定宏观条件下发生），旧AI会平均信号。反馈循环教会它DXY/10Y分歧本身就是一个信号 — 它表明市场不确定性，应触发中立偏见，而不是平均方向性调用
4. “尖峰后反转” — 在任一方向出现30+点尖峰后，AI会外推动量。反馈循环识别出65%的此类尖峰在4小时内部分反转。现在它应用“尖峰衰退”因子，降低对极端走势延续的信心

准确性提升

比较激活前4周（对照组）与激活后4周（测试组）：

• H4蜡烛方向准确性：从62%提高到71%
• 会话预测准确性：从58%提高到67%
• 高信心信号（A/A+）准确性：从74%提高到83%
• 错误信号率：减少22%

这些是短期样本期的初步数据。我们将在6个月运行后发布更为稳健的统计数据。

XAUUSD通讯 — 每小时分析送达

随着AI的改进，我们推出了XAUUSD警报通讯 — 每小时免费黄金分析直接发送到订阅者的收件箱。每份报告包括：

• 当前AI信号的方向、概率和质量等级
• 显示所有相关数据的跨市场仪表盘
• 未来24小时的会话特定预测
• 具体交易建议，包括入场、止损和止盈水平
• 对先前预测的自动审查及准确性评估

该通讯由驱动交易系统的相同AI管道自动生成。订阅者看到的正是机构算法所见。

平台更新

会计模块

我们部署了一个全面的会计系统以符合阿联酋法规：

• 完整的损益表，符合IFRS 9分类的交易投资（FVTPL）
• 符合阿联酋联邦法令第8/2017号（5%国内，0%零税率出口服务）的增值税计算
• 现金流跟踪、资产负债表和投资组合管理
• 共享链接系统，允许外部会计师只读访问所有财务数据

绩效报告页面

一个新的绩效报告页面，显示以百分比表示的验证结果（无绝对值），适用于任何账户规模。包括与S&P 500基准的权益曲线、月度回报热图和全面的风险指标。

博客启动

您正在阅读的是记录PMTS从2015年至今完整历程的系列文章中的第七篇。该博客是我们SEO策略的一部分，以增加自然可见性，但更重要的是，这是我们在这个行业中独特的透明承诺。

2026年第一季度业绩

2026年第一季度表现强劲，建立在2025年下半年势头的基础上。黄金在央行购买、地缘政治不确定性和货币政策预期变化的推动下继续其历史性牛市。PMTS在这种环境中表现良好，自学习AI在事件驱动的波动期间对信号校准的贡献尤为显著。

详细的第一季度数据将在季度结束并验证数据后在下次更新中发布。

是什么让这与众不同

我们意识到“从错误中学习的AI”听起来像是营销语言。每个聊天机器人都声称可以学习。是什么让PMTS预测反馈循环真正不同：

1. 它是可量化的 — 每个预测都有一个可测量的准确性评分。每个错误都有一个分类诊断。每次适应都有一个前后指标
2. 它是可审计的 — 完整的预测存档、结果测量、错误分析和权重调整都被记录并可供检查
3. 它是特定领域的 — 这不是通用的机器学习。它专为XAUUSD黄金交易设计，错误类别和适应规则为该市场的独特特征量身定制
4. 它在生产中运行 — 这不是一篇研究论文或概念验证。自2026年2月以来，它一直在影响实时交易决策，涉及真实资本

展望未来

预测反馈循环是1.0版本。我们的路线图包括：

• 多时间框架错误跟踪 — 为不同预测范围（1H、4H、1D）建立单独的准确性数据库
• 季节性模式学习 — 识别与特定日历事件（期权到期、季度末再平衡、央行会议周期）相关的重复预测失败
• 跨工具错误相关性 — 随着我们扩展到其他工具，从一个市场的错误中学习可能适用于另一个市场
• 对抗性测试 — 故意向AI呈现旨在暴露弱点的场景，类似于网络安全中的红队演习

十年的发展。七篇博客文章。一个一致的主题：构建真实的东西，使其透明，并让结果说话。

AI在学习。我们也是。

过去的表现不能保证未来的结果。交易涉及重大损失风险。仅投资您能承受损失的资本。

— Lorenzo Ballanti，创始人兼首席执行官，Elysium Media FZCO，迪拜硅谷绿洲，阿联酋