Neural Loss-Pattern Auditor - MetaTrader 5용 스크립트

승률이나 수익 계수 같은 종합 통계만으로는, 이전 손실 직후 포지션 크기를 조정하는 등 트레이더가 방금 취한 행동에 따라 손실 확률이 달라지는지 여부를 파악할 수 없습니다. ‘신경망 손실 패턴 감사기(Neural Loss-Pattern Auditor)’는 트레이더의 실제 거래 내역을 바탕으로 바로 이러한 행동 패턴을 정확히 분석합니다.

메인 스크립트는 체결된 거래 건당 8개의 특징으로 구성된 데이터셋을 생성하고, ‘전문가(Experts)’ 탭에 전체 진단 보고서를 출력합니다:

• 정확도 향상도 — 훈련된 네트워크의 검증 정확도와 항상 다수 클래스를 추측했을 때의 정확도를 비교한 값.
• 보정 테이블 — 각 확률 구간에서 예측된 평균값과 해당 구간에서 실제로 관측된 손실 빈도를 비교한 결과.
• 순서 변경 시 특징 중요도 — 8가지 특징 중 네트워크가 실제로 의존하는 특징을, 해당 열의 순서를 무작위로 바꿨을 때 발생하는 정확도 하락 폭 순으로 정렬한 것.
• 세 가지 진단 결과를 종합한복합 점수(A~F) 와 서면 권고 사항.

입력. 기본값인 InpUseDemoData=true를 사용하면, 스크립트는 알려진 패턴(손실 직후 포지션 규모 증가)이 주입된 480건의 합성 체결 거래를 생성하여 분석하므로, 결과를 즉시 확인할 수 있습니다. InpUseDemoData=false로 설정하면 HistorySelect() 및 HistoryDealGet*() 함수를 통해 실제 청산된 거래 내역을 대신 읽을 수 있으며, 이 모드에서는 파일이나 CSV가 필요하지 않습니다.

매개변수. InpMinTrades는 훈련에 필요한 최소 체결 거래 건수를 설정하며, InpValidationFraction은 검증용으로 제외할 최근 기록의 비율을 설정합니다. InpHiddenNeurons, InpLearningRate 및 InpEpochs는 신경망을 제어합니다. InpCalibrationBins 및 InpPermutationRepeats는 두 가지 진단 항목을 제어하며, InpWeightUplift, InpWeightCalibration, InpWeightTopFeature와 세 개의 *Scale 및 네 개의 Grade 입력값은 종합 점수를 제어합니다.

이 도구는 순수 MQL5로 작성되었습니다. 외부 라이브러리, Python, 또는 그 어떤 종류의 AI 서비스도 필요하지 않습니다. 이 방법론에 대한 전체 설명, 각 진단 지표의 수학적 근거, 그리고 코드는 다음 기사에서 확인할 수 있습니다: [ARTICLE_URL].