Trixter LOF
- Experts
-
Andrei Samokhin
Welcome to my seller page. I develop applications in the fields of AI and machine learning, and I am also passionate about trading systems. My products are based on various machine learning techniques. I research and apply state-of-the-art algorithms for time series analysis and am constantly - 버전: 1.0
- 활성화: 15
LOF(Local Outlier Factor) 알고리즘 은 전역 임계값으로는 감지할 수 없는 데이터 내 이상값을 찾기 위한 머신러닝 방법입니다. 단순한 방법과 달리 LOF는 점의 직접적인 주변에서 밀도를 비교하여 국지적 이상값을 찾습니다.
작동 원리
LOF의 기본 아이디어는 간단합니다. 이상값이란 주변 객체 밀도가 이웃 주변의 밀도보다 현저히 낮은 점입니다.
용도
LOF는 이상값이 전체적인 배경뿐만 아니라 개별 데이터 그룹 내에 존재할 수 있는 문제에 널리 적용됩니다.
-
시계열: 시계열 데이터에서 비정상적인 점 또는 전체 세그먼트(부분 시퀀스) 탐색(예: 적응형 버전 사용).
Trixter LOF 봇은 이 접근 방식을 적용하여 구축되었습니다.
Trixter LOF 알고리즘은 LOF(Local Outlier Factor)를 사용하여 패턴 검색을 구현합니다. 우리는 금 시장이 충분히 효율적이며 대부분의 가격 변동이 예측할 수 없는 시장 노이즈를 형성한다고 가정합니다. 그러나 금 차트의 조각(소위 이상값) 중에서 예측 가능성이 가장 높은 부분을 추출할 수 있습니다. 이러한 방식으로 예측 가능성이 높은 차트 세그먼트의 30%를 추려냈습니다.
핵심 원칙
- 여러 시간대 및 지표 기간에 걸친 금 변동성 분석.
- 효과적인 패턴(100~3000개)을 찾기 위한 변동성 그룹화.
- 통계적 검증: 높은 기대 수익과 통계적 유의성.
- 검증을 통과하지 못한 패턴은 노이즈로 표시 — 이러한 상황에서는 거래를 개시하지 않음.
- 실계좌 사용 전 2년간의 포워드 테스트 의무.
거래 로직 특징
- 지정가 주문으로 가격에서 선택한 거리에 거래 개시 — 슬리피지 최소화.
- 지정가 주문이 체결되지 않고(가격이 수준에 닿지 않음) 신호가 사라진 경우 — 주문 삭제.
- 개방 포지션은 손절매와 이익실현이 설정되며, 반대 신호 시 시장가로 청산.
- 로봇은 마틴게일, 차익거래 및 기타 고위험 전략을 사용하지 않음.
- 권장 시간대: M5 ~ H1. 최적: H1 XAUUSD.
- 거래 활동의 유연한 조정이 가능함(아래 매개변수 참조).
주요 설정
- 매수 신호 허용, 매도 신호 허용 — 시장 방향에 대한 확신이 있을 때 매수/매도를 허용하거나 금지합니다.
- 신호 민감도, 필터 민감도 — 신호 민감도 및 노이즈 필터링 임계값. 기본값: 0.5. 더 깨끗한 신호를 위해 0.7~0.9까지 높일 수 있음.
- 거래 시간 필터 — 거래 시간 제한. 기본값: 24/7.
자금 관리 설정
- 지정가 주문 거리(포인트) — 가격에서 지정가 주문까지의 거리. 기본값: 250. 낮을수록 → 거래 증가, 높을수록 → 보수적.
- 최대 포지션 + 주문 수 — 동시 개방 가능한 최대 포지션 수(평균화 없음). 기본값: 3.
- 추가 설정 가능 항목: 개방 간격, 최대 스프레드 제어, 손절매 및 이익실현 수준.
중요: 기본 설정은 이미 구성되어 있습니다. 특별히 필요하지 않은 경우 변경하지 마십시오. 공장 초기 설정으로 되돌릴 수 있도록 표준 설정 파일을 저장하십시오.
LOF+ 2개의 분류기 → ONNX로 내보내기 | 포워드 기간: 2년 | 권장 시간대: H1 XAUUSD
