Scalping from levels
- Experts
- Versão: 1.1
- Atualizado: 5 setembro 2025
- Ativações: 5
🚀 Consultor "Scalping from Levels"
📋 Descrição da Estratégia
O consultor "Scalping from Levels" implementa uma estratégia avançada de negociação a partir de níveis de suporte e resistência 🎯. Quando o preço toca os níveis-chave, ocorre a abertura de negociações seguindo a tendência com a colocação inteligente de ordens de proteção ⚡.
⚙️ Parâmetros de Configuração
📊 Parâmetros de Níveis
| Parâmetro | Descrição |
|---|---|
| 🔹 LevelPeriod | Período para cálculo dos níveis de negociação (em barras) |
| 🔹 LevelDistance | Distância do nível para entrada (em pontos) |
| 🔹 ExitLevelPeriod | Período para cálculo dos níveis de saída |
| 🔹 ExitLevelDistance | Distância para os níveis de saída (em pontos) |
| 🔹 UseStopLoss | Flag para usar Stop-Loss 🛡️ |
| 🔹 StopLossDistance | Distância do Stop-Loss do nível (pontos) |
| 🔹 ExtDepth | Profundidade para cálculo de extremos |
💰 Parâmetros de Negociação
| Parâmetro | Descrição |
|---|---|
| 🎯 FixedLotSize | Tamanho fixo do lote |
| 📉 MaxSpread | Spread máximo permitido |
| 🔮 MagicNumber | Número mágico para identificação de ordens |
| ⏰ StartHour/StartMinute | Hora de início da sessão de negociação |
| ⏰ EndHour/EndMinute | Hora de término da sessão de negociação |
📈 Recomendações de Uso
🕐 Configurações de Timeframe
✨ Timeframes recomendados: M1-H1
📈 Timeframes mais altos - sinais mais precisos, mas menos entradas
📉 Timeframes mais baixos - negociações mais frequentes, mas é necessária maior precisão de execução
💎 Instrumentos Adequados
💹 Principais pares de moedas
🔄 Pares cruzados (Crosses)
🥇 Ouro (XAU/USD)
🛡️ Parâmetros de Gerenciamento de Risco
💰 Depósito inicial: a partir de $200
📊 Lote inicial: 0.01
⚖️ Risco por negociação: não mais que 1-2% do depósito
🚀 Requisitos de Condições de Negociação
📊 Tipo de conta: ECN, Raw Spread ou STP
🔻 Spread: baixo
⚡ Execução: instantânea
📊 Testes Históricos
🔍 Configurações Recomendadas para Testes
🎯 Modo de teste: "Cada tick com base em ticks reais"
✅ Qualidade da modelagem: 99%
📈 Dados históricos: Tickstory ou QuantDataManager
