Trading Sistem Topgun Ultimate
- Experts
-
Juan Antonio Alvarenga Galindo
알고리즘 트레이딩을 전문으로 하는 트레이딩 플랫폼 봇의 제작자, 설계자 및 개발자입니다. 데이터 과학, 머신러닝 및 통계학 분야에 전문성을 갖추고 있습니다. MetaTrader, TradingView 등 다양한 플랫폼에서 5년간 트레이딩 봇을 직접 개발해 온 경험이 있습니다. - 버전: 4.0
- 활성화: 5
TRADING SYSTEM TOPGUN, 진보된 자동 거래 시스템. 이 전략은 K-최근접 이웃(KNN) 알고리즘을 사용한 인공 지능을 통합하여 과거 거래량 패턴과 기술 지표를 기반으로 가격 움직임을 예측합니다. 이 시스템은 변동성 필터, 유동성 조작 감지 및 일일 손실을 제한하는 엄격한 리스크 관리를 포함한 여러 검증 계층을 사용합니다. 또한, 소프트웨어에는 예방적 부분 청산, ATR을 통한 수익 추적 및 자본 보호를 위한 자동 조정과 같은 적극적인 포지션 관리 기능이 포함되어 있습니다. 종합적으로, 이 도구는 전통적인 기술 분석과 실시간 기계 학습 방법을 결합하여 거래 정확성을 극대화하는 것을 목표로 합니다.
K-최근접 이웃(KNN) 알고리즘은 현재 시장 상황을 과거 패턴과 비교하여 가격 방향을 예측하는 맞춤형 예측 엔진으로 구현됩니다.
이 과정은 GetKNNSignal 함수 내에서 수행되며 다음 핵심 단계를 통해 작동합니다:
1. 특징 벡터 구축 (Feature Vector)
알고리즘은 가격을 독립적으로 분석하지 않습니다. 모멘텀, 거래량 및 추세를 결합한 8차원 벡터를 사용하여 "시장 상태"를 정의합니다. 각 바(bar)에 대해 다음 정규화된 값을 계산합니다:
- RSI: 정규화된 상대 강도 지수.
- ADX: 정규화된 추세 강도.
- MA 거리: 종가와 이동 평균(EMA 200) 간의 거리, ATR 단위로 조정됨.
- MFI (Money Flow Index): 거래량 검증.
- RVOL (Relative Volume): 지난 20개 기간 평균과 비교한 현재 거래량.
- Force Index: 거래량과 가격을 기반으로 한 움직임의 확신도.
- OBV Slope: 매집/분산을 감지하기 위한 On-Balance Volume의 기울기.
- PVO (Percentage Volume Oscillator): 수동으로 계산된 거래량 오실레이터.
2. 과거 탐색 및 거리 계산
알고리즘은 현재와 유사한 과거 상황을 찾기 위해 기록(knn_lookback으로 정의, 기본값 350 바)을 되돌아봅니다.
과거 상황이 얼마나 "가까운지" 또는 유사한지 확인하기 위해 가중 유클리드 거리를 사용합니다. 이는 위에서 언급한 8개 지표 각각에 대해 현재 값과 과거 값의 차이를 계산하고, 차이를 제곱한 후 각 지표에 할당된 특정 가중치를 곱하는 것을 의미합니다.
• 참고: 가중치는 구성 가능(예: weight_rsi, weight_ma)하므로 알고리즘이 다른 지표보다 특정 지표(예: MA 거리 또는 거래량)에 더 중요성을 부여할 수 있습니다.
3. 결과 분류 (Training)
알고리즘이 과거의 이웃(과거 바)을 찾으면 해당 패턴 직후 가격이 어떻게 움직였는지 관찰합니다:
• 다음 종가가 더 높았던 경우: 결과 = 1 (상승).
• 다음 종가가 더 낮았던 경우: 결과 = -1 (하락).
4. 선택 및 투표 (Majority Voting)
시스템은 발견된 모든 과거 이웃을 가장 작은 거리에서 가장 큰 거리 순으로 정렬합니다(가장 작은 거리가 현재 시장과 가장 유사함).
가장 가까운 knn_neighbors(기본값 5, K로 정의됨)를 선택합니다. 그런 다음 이 5개의 이웃 간에 간단한 투표를 수행합니다:
• 대다수의 이웃이 가격 상승으로 이어진 경우, 알고리즘은 매수(1)를 예측합니다.
• 대다수가 하락으로 이어진 경우, 매도(-1)를 예측합니다.
• 동점인 경우, 중립(0)을 반환합니다.
전략과의 통합
마지막으로, 이 KNN 예측은 단독으로 작동하지 않습니다. 주요 추세 방향(SuperTrend)에 대한 확인 필터로 사용됩니다. 매수 신호는 SuperTrend가 강세(st_direction == 1)이고 KNN이 상승을 예측(knn_prediction == 1)하는 경우에만 실행됩니다.
TopGun Ultimate 시스템 내의 Anti-Hunt(스탑 헌팅 방지) 필터 로직은 "유동성 스윕(liquidity sweeps)"을 식별하고 활용하도록 설계되었습니다. 이는 가격이 스탑 로스 주문을 발동시키기 위해 주요 수준(지역 저점 또는 고점)을 잠시 돌파했다가 즉시 반전될 때 발생합니다. 이 로직은 두 가지 측면에서 작동합니다: 진입 확인 및 방어 메커니즘. 작동 방식은 다음과 같습니다:
- 스윕의 기술적 감지 (IsLiquiditySweepAndReversal)
이 전략의 핵심은 IsLiquiditySweepAndReversal 함수에 있습니다. 알고리즘은 최근 20개의 캔들(sweep_lookback = 20)을 분석하여 거짓 돌파가 발생했는지 확인합니다.
강세 스윕(매수 기회)의 경우:
1. 수준 식별: 시스템은 현재 캔들 이전 20개 캔들 중 가장 낮은 최저가(Low)를 찾습니다.
2. 스윕: 방금 완료된 캔들의 저가가 식별된 지역 저점을 돌파(더 낮아짐)했는지 확인합니다.
3. 반전(Rejection): 이것이 실제 돌파가 아닌 함정임을 확인하기 위해 두 가지 조건이 필요합니다:
◦ 현재 캔들의 종가(Close)는 돌파한 지역 저점 위에 있어야 합니다.
◦ 종가는 거부를 보여야 하며, 캔들 범위의 하위 30% 위에 위치해야 합니다(close_pos > 0.3).
약세 스윕(매도 기회)의 경우:
1. 수준 식별: 이전 20개 캔들의 최고가(High)를 찾습니다.
2. 돌파: 현재 캔들의 고가가 해당 지역 고점을 초과했는지 확인합니다.
3. 반전:
◦ 종가는 이전 지역 고점 아래에 있어야 합니다.
◦ 종가는 캔들 범위의 하위 70%에 있어야 하며(close_pos < 0.7), 이는 높은 가격의 거부를 나타냅니다.
- 진입 신호 적용
use_antihunt_logic 매개변수가 활성화(true)되면 시스템은 이 감지를 사용하여 KNN 모델(K-최근접 이웃)에 의해 생성된 진입을 강화합니다:
• 오버라이드(Override/강화): 유동성 스윕이 감지되면, KNN 예측이 반대가 아닌 한, 주요 추세 지표에 의심이 있더라도 시스템은 매수 또는 매도 신호를 생성할 수 있습니다.
◦ 매수 신호: 확인된 "강세 스윕"이 있고 KNN이 중립 또는 강세(knn_prediction >= 0)일 때 활성화됩니다.
◦ 매도 신호: 확인된 "약세 스윕"이 있고 KNN이 중립 또는 약세(knn_prediction <= 0)일 때 활성화됩니다.
- 스마트 방어(Smart Defense) 적용
시스템은 또한 ManageOpenPositions 함수를 통해 오픈 포지션을 보호하기 위해 이 로직을 사용합니다. use_smart_defense 매개변수가 활성화되면 EA는 작업에 반하는 스윕에 반응합니다:
• 부분 청산: 매수 포지션을 가지고 있고 "약세 스윕"이 발생하면(가격이 상승하여 고점을 돌파하고 급락함), 시스템은 이를 임박한 위험으로 해석합니다. 이익을 확보하거나 리스크를 줄이기 위해 포지션의 일정 비율(기본값 50%)을 자동으로 청산합니다.
• 스탑 로스 조정: 부분 청산 직후, 시스템은 스윕을 유발한 캔들의 극단(매수의 경우 이전 캔들의 저점, 매도의 경우 고점)으로 스탑 로스를 조정하여 나머지 작업을 더 큰 반전으로부터 보호합니다.
2022-01-01부터 2025-12-31까지 골드 / XAUUSD H1 타임프레임에서 TOPGUN ULTIMATE 전략 검증.
1시간(H1) 타임프레임의 XAUUSD(골드) 쌍에 대한 상세 보고서를 바탕으로, 이 결과를 해석하기 위한 핵심 사항은 다음과 같습니다:
거래 최적화는 과거 성과와 통계적 견고성을 극대화하는 조합을 찾기 위해 전략 변수를 조정하는 체계적인 과정입니다. "ReportOptimizer-TOPGUN"에서는 기술 지표, 기계 학습 매개변수 및 리스크 관리 규칙을 변경하여 수천 개의 구성(패스)이 어떻게 테스트되는지 관찰할 수 있습니다.
전략 데이터를 기반으로 한 최적화의 핵심 요소는 다음과 같습니다:
1. 성과 평가 지표
최적화 도구는 총 이익뿐만 아니라 "패스"의 품질을 결정하기 위해 여러 주요 지표 간의 균형을 추구합니다:
• 수익 팩터(Profit Factor): 이익과 손실의 비율을 나타냅니다. 예를 들어, 패스 1374는 6.99라는 예외적인 팩터를 보여주며, 이는 손실된 1달러당 거의 7달러를 벌었음을 의미합니다.
• 샤프 비율(Sharpe Ratio): 리스크 조정 수익률을 측정합니다. 패스 1704의 7.85와 같은 높은 값은 수익률의 변동성이 낮으면서 일관성이 높음을 시사합니다.
• 드로우다운(Equity DD %): 계좌 생존에 필수적입니다. 최적화는 이 비율을 줄이는 것을 목표로 합니다; 패스 1612는 단 8.63%의 최대 드로우다운으로 뛰어난 결과를 달성했습니다.
2. 기계 학습 매개변수 조정 (KNN)
이 최적화의 중심 부분은 시장 구조에 적응하도록 K-최근접 이웃(KNN) 알고리즘을 구성하는 것입니다:
• 이웃 수(knn_neighbors): 신뢰할 수 있는 예측을 위해 얼마나 많은 과거 유사 패턴이 필요한지 확인하기 위해 패스 1457의 40 대 패스 1971의 15와 같이 다양한 값이 테스트됩니다.
• 기록 창(knn_lookback): 알고리즘이 분석하는 과거의 깊이가 조정되며, 관련성과 데이터 양 사이의 균형을 찾기 위해 일반적으로 400에서 500 캔들 사이에서 변동합니다.
3. 기술 및 변동성 필터
최적화는 어떤 시장 상황에서 거래하지 않는 것이 바람직한지 결정합니다:
• 변동성 필터: 시스템은 낮은, 보통, 또는 높은 변동성(trade_in_high_vol)에서 거래해야 하는지 평가합니다. 최고의 패스 중 다수는 특히 높은 변동성에서의 거래를 활성화합니다.
• 추세 지표: 거짓 진입을 필터링하기 위해 SuperTrend(st_period, st_multiplier) 및 RSI와 같은 도구의 기간과 배수가 최적화됩니다.
4. 리스크 관리 및 "스마트" 방어
보고서는 청산 최적화가 진입 최적화만큼 중요하다는 것을 보여줍니다:
• ATR 배수: 스탑 로스와 테이크 프로핏 수준은 변동성을 기반으로 조정됩니다. 예를 들어, 패스 1457은 3.3 ATR의 스탑 로스와 29.7 ATR의 넓은 테이크 프로핏을 사용합니다.
• 자본 보호: 가격이 유리하게 움직이는 동안 이익을 확보하기 위해 트레일링 스탑, 본전(Breakeven) 및 스케일 아웃(부분 청산) 로직 활성화의 효과가 테스트됩니다.
5. 이익과 리스크 간의 절충
결과는 순이익이 가장 높은 패스(패스 1722, $ 177,254.05)가 29.74%의 드로우다운으로 인해 반드시 최고의 "결과"(70.73)는 아니라는 것을 보여줍니다. 대조적으로, 패스 1457은 견고한 이익과 훨씬 더 통제된 14.80%의 드로우다운을 결합하여 97.53의 점수(보고서에서 가장 높음)를 얻었습니다.
6. 수익성 및 효율성
보고서는 500.00의 초기 예치금으로 시작하여 예외적인 성과를 보여주며, 가장 높은 순이익 패스(패스 1722)는 $ 177,254.05의 순이익에 도달했습니다.
• 수익 팩터(4.44): 손실된 1달러당 시스템은 4.44달러를 벌었으며, 이는 알고리즘 거래 시스템에 대해 매우 높은 효율성을 나타냅니다.
• 샤프 비율(2.35): 이 값은 테스트 기간 동안 가정된 리스크(변동성)에 비해 얻은 수익률이 매우 양호함을 시사합니다.
7. 리스크 관리 (Drawdown)
백테스팅의 비판적 분석은 항상 "하락" 또는 드로우다운을 살펴봐야 합니다:
• 최대 자본 드로우다운: 29.74%(42,986.44)에 달했습니다. 이익은 막대하지만, 이비율은 사용자가 실시간으로 계좌 가치의 상당한 변동을 볼 준비가 되어 있어야 함을 나타냅니다.
• 회복 팩터(4.12): 시스템이 최대 드로우다운의 손실을 비교적 빠르고 효과적으로 회복할 수 있음을 나타냅니다.
8. 운영 통계
시스템은 총 682회의 작업을 수행하여 견고한 통계 표본을 제공했습니다.
• 승률(Win Rate): 수익성 있는 포지션 50.15%.
• 성공의 열쇠: 평균 수익 거래($669.03)가 평균 손실 거래($-151.63)보다 훨씬 큽니다. 이는 전략이 이익을 늘리고 손실을 빠르게 줄인다는 것을 확인시켜 줍니다.
9. 계절 및 시간별 분석
백테스팅은 알고리즘이 언제 가장 효과적인지 보여줍니다:
• 시간별 진입: 런던 개장(08:00 - 10:00)과 뉴욕 세션(15:00 - 18:00) 동안 활동과 이익의 명확한 집중이 관찰됩니다.
• 월별 성과: 대부분의 달이 긍정적이지만, 9월과 10월이 가장 높은 누적 수익으로 두드러지는 반면, 5월과 같은 다른 달은 훨씬 더 평탄한 활동을 보여줍니다.
리스크 및 중요 공지:
TRADING SYSTEM TOPGUN은 엄격하게 장기 거래 시스템으로 평가되어야 합니다. 단기 성과 관찰, 제한된 거래 표본 또는 짧은 자본 곡선 분석은 시스템의 의도된 운영 프로필을 반영하지 않습니다. 시장 상황은 지속적으로 진화하며, TRADING SYSTEM TOPGUN의 강점은 시간이 지남에 따른 적응성과 구조적 탄력성에 있습니다. 이 시스템은 단기 프레젠테이션용으로 설계되지 않았습니다; 지속적인 배포를 위해 설계되었습니다.
거래는 상당한 재정적 리스크를 수반하며, 과거 성과가 미래 결과를 보장하지 않습니다. 사용자는 감당할 수 있는 자본으로만 거래해야 하며, 특히 초기 구현 기간 동안 보수적인 설정으로 시작하는 것이 강력히 권장됩니다. 어떤 자동 거래 시스템도 리스크를 완전히 제거할 수는 없습니다; TRADING SYSTEM TOPGUN은 리스크 노출을 관리하고 통제하도록 설계되었지, 제거하도록 설계된 것은 아닙니다.
시스템의 동작, 매개변수 또는 구성이 명확하지 않은 경우, 사용자는 추측하거나 임의로 설정을 수정해서는 안 됩니다. 잘못된 구성은 시스템 성능과 리스크 노출에 심각한 영향을 미칠 수 있습니다. 도움이 필요한 경우 당사에 문의하십시오. 시스템을 적절히 이해하면 올바른 사용과 더 일관된 결과를 얻을 수 있습니다.
TRADING SYSTEM TOPGUN은 투기적인 단기 운영이나 프로모션용 성과 지표를 위해 설계되지 않았습니다. 이는 리스크 관리 및 장기 자본 투자의 전문 표준을 반영하여 규율 있고 선택적이며 적응 가능한 거래 시스템으로 작동하도록 설계되었습니다. 견고한 논리, 통제된 리스크 및 장기적 생존 가능성에 기반한 신뢰할 수 있는 거래 솔루션을 찾는 트레이더를 위해 TRADING SYSTEM TOPGUN은 그 목표를 달성하도록 설계되었습니다.
금융 시장에서의 거래는 높은 수준의 리스크를 수반하며 모든 투자자에게 적합하지 않을 수 있습니다. 높은 레버리지는 귀하에게 해가 될 수도 있고 도움이 될 수도 있습니다. 과거 성과는 미래 결과를 보장하지 않습니다. TRADING SYSTEM TOPGUN의 사용은 사용자/고객의 단독 재량과 위험 부담 하에 이루어집니다.
INVERJAAG는 이 소프트웨어의 사용으로 인한 금전적 손실에 대해 책임을 지지 않습니다.
