NNArbitrage

In einem Markt, der mit nachhinkenden Indikatoren und Overfit-Strategien überschwemmt ist, bietet dieses Dienstprogramm einen neuen Vorteil: statistische Arbitrage in Echtzeit, angetrieben durch ein adaptives neuronales Netzwerk, das vollständig in MQL5 - keine DLLs, keine externen Abhängigkeiten - aufgebaut ist.

🚀 Hauptvorteile

• Smart Spread Modeling
  Es berechnet dynamisch ein Absicherungsverhältnis zwischen zwei korrelierten Instrumenten (wie EURUSD vs. GBPUSD) und bildet einen synthetischen Spread, der den wahren relativen Wert widerspiegelt. Dabei handelt es sich nicht nur um Korrelation, sondern um eine Logik, die die Kointegration berücksichtigt.
• Neuronale Netzwerkintelligenz
  Ein leichtgewichtiges, codeintegriertes neuronales Netz lernt aus dem jüngsten Marktverhalten, um kurzfristige Mittelwertumkehr vorherzusagen. Es passt sich an, wenn sich die Bedingungen ändern, filtert Störungen heraus und hebt Setups mit hoher Wahrscheinlichkeit hervor.
• Z-Score-Präzision
  Der Spread wird anhand eines rollierenden Z-Scores normalisiert, der Händlern einen klaren Überblick darüber verschafft, wann das Paar statistisch gesehen gestreckt ist und wann es wahrscheinlich zurückschnellt.
• Sitzungsabhängige Filterung
• Trades werden nur während der Stunden mit hoher Liquidität (z.B. Überlappung London-New York) markiert, um falsche Signale in dünnen Märkten zu vermeiden.
• Ausführungsreife Signale
  Obwohl es sich um einen Indikator und nicht um einen EA handelt, gibt er klare Long-/Short-Spread-Setups aus, die in automatisierte Systeme eingebunden oder manuell verwendet werden können.
• Keine Kurvenanpassung, keine Black Box
  Alles ist transparent und abstimmbar. Sie steuern den Trainingshorizont, die Z-Score-Schwellenwerte und die Risikofilter. Das neuronale Netz wird online trainiert - keine vorinstallierten Gewichte, keine Überanpassung.
• 📈 Anwendungsfälle
• Paarhändler, die vorübergehende Verwerfungen zwischen korrelierten Vermögenswerten ausnutzen möchten.
• Scalper, die ihren kurzfristigen Setups einen statistischen Vorteil hinzufügen möchten.
• Quant-Inclined Discretionary Traders, die das Spread-Verhalten und neuronale Vorhersagen visualisieren wollen, bevor sie den Abzug betätigen.
• EA-Entwickler, die eine Logik des maschinellen Lernens integrieren möchten, ohne auf externe Bibliotheken angewiesen zu sein.