Neural Loss-Pattern Auditor - script para MetaTrader 5

Estatísticas agregadas, como taxa de acerto ou fator de lucro, não conseguem indicar se a probabilidade de uma perda depende do que o trader acabou de fazer, como ajustar o tamanho da posição logo após uma perda anterior. O Neural Loss-Pattern Auditor verifica exatamente esse tipo de padrão comportamental, diretamente no histórico de negociações do próprio trader.

O script principal constrói um conjunto de dados com oito características por negociação encerrada e gera um relatório diagnóstico completo na aba “Experts”:

• Aumento da precisão — a precisão de validação da rede treinada em comparação com a precisão de sempre adivinhar a classe majoritária.
• Tabela de calibração — a previsão média de cada intervalo de probabilidade em comparação com a frequência real de perda observada nesse intervalo.
• Importância das características por permutação — em quais das oito características a rede realmente se baseia, classificadas pela queda na precisão quando essa coluna é embaralhada.
• Uma pontuação composta (de A a F) que combina os três diagnósticos, com recomendações por escrito.

Entrada. Com a configuração padrão InpUseDemoData=true, o script gera 480 negócios de fechamento sintéticos com um padrão injetado conhecido (tamanho de posição maior logo após uma perda) e os analisa, de modo que a saída fica visível imediatamente. Defina InpUseDemoData=false para ler, em vez disso, o histórico real de negócios fechados, por meio das funções HistorySelect() e HistoryDealGet*(); nenhum arquivo ou CSV é necessário neste modo.

Parâmetros. InpMinTrades define o número mínimo de negociações fechadas exigidas antes do treinamento; InpValidationFraction define qual parcela do histórico mais recente é reservada para validação; InpHiddenNeurons, InpLearningRate e InpEpochs controlam a rede; InpCalibrationBins e InpPermutationRepeats controlam os dois diagnósticos; e InpWeightUplift, InpWeightCalibration, InpWeightTopFeature, além das três entradas *Scale e das quatro entradas Grade, controlam a pontuação composta.

A ferramenta foi escrita em MQL5 puro. Ela não requer bibliotecas externas, nem Python, nem qualquer tipo de serviço de IA. Uma descrição completa do método, da matemática por trás de cada diagnóstico e do código está disponível no artigo: [ARTICLE_URL].