Queen of Gold Ai Ucb Agents
- エキスパート
- Florin Tudor
- バージョン: 1.0
- アクティベーション: 15
Queen of Gold Ai Ucb Agents は 適応型の MQL5 エキスパートアドバイザーで ルールベースのエントリーロジックと コンテキストに基づく UCB バンディット層を組み合わせたものです 目的は 取引機会を検出するだけでなく 特定の市場状況で最も効果的な行動を学習し その知識をセッション間で保持することです
動作方法
システムは決定論的なシグナルエンジンから開始します 基本トリガーは 連続するローソク足の動きに基づき 逆張りとして解釈されます
連続した弱気の動きは 買いシグナルになる可能性があります
連続した強気の動きは 売りシグナルになる可能性があります
その後 このシグナルは より広い市場コンテキストで評価されます システムは次を分析します
スプレッド
出来高の質
ティックフローと急激な動き
流動性までの距離と精密なエントリーの可能性
取引セッションの時間
収益環境と市場状態
口座の状態と低残高の制約
これらの特徴は コンテキストキーとしてエンコードされ UCB モデルで使用されます
意思決定層
各コンテキストに対して モデルは以下の行動を評価します
HOLD
BUY MARKET
SELL MARKET
LIMIT FOLLOW SIGNAL
UCB は次の2つのバランスを取ります
活用 過去に良い結果を出した行動を繰り返す
探索 信頼度が低い場合に新しい行動を試す
これにより システムはすべてのシグナルを自動的に実行しません 次のような判断が可能です
取引を許可する
取引を拒否する
成行で実行する
統計的に有利な場合は指値で実行する
時間とともに システムはより選択的になり コンテキストを理解するようになります
学習プロセス
ポジションがクローズされると システムは報酬を計算します これは単純な利益だけでなく 次も考慮します
リスクに対する利益
不利な変動
保有時間
エントリータイプ
市場のミクロ構造の質
この報酬は 該当するコンテキストと行動に対して UCB メモリに記録され 次が更新されます
選択回数
累積報酬
減衰平均報酬
これにより システムは継続的に最適な判断を学習します
保存と復元
システムは再起動後も学習結果を保持します
UseUcbFilePersistence は状態をローカルに保存します
起動時に自動で読み込みます
データがない場合 UseUcbWarmupFromHistory が履歴から初期化します
UseUcbJsonSnapshot は分析用の JSON を生成します
これにより 毎回ゼロから学習する必要がありません
リスクと実行の制御
システムは実用的な保護機能を備えています
最大ポジション数の制限
低残高保護
損失後のクールダウン
スプレッドと出来高のフィルター
必要に応じた板情報の確認
適応的なエントリー
成行と指値の選択
バスケット管理と自動クローズ
まとめ
これはハイブリッド型の適応システムです
ルールが取引機会を生成する
UCB が実行方法を決定する
結果が学習データになる
知識は保存され再利用される
専門的には 固定戦略に依存せず 時間とともに取引の選択 実行 精度を向上させる 自己更新型の意思決定システムです
