Neural Loss-Pattern Auditor - MetaTrader 5 için komut dosyası

Kazanç oranı veya kâr faktörü gibi toplu istatistikler, bir kaybın olasılığının, örneğin önceki bir kaybın hemen ardından pozisyon büyüklüğünü ayarlamak gibi, yatırımcının az önce yaptığı eyleme bağlı olup olmadığını gösteremez. Neural Loss-Pattern Auditor, tam da bu tür davranış kalıplarını, doğrudan yatırımcının kendi işlem geçmişi üzerinde test eder.

Ana komut dosyası, kapatılan her işlem için sekiz özellikli bir veri kümesi oluşturur ve "Uzmanlar" sekmesine tam bir teşhis raporu yazdırır:

• Doğruluk artışı — eğitilmiş ağın doğrulama doğruluğu ile her zaman çoğunluk sınıfını tahmin etmenin doğruluğunun karşılaştırılması.
• Kalibrasyon tablosu — her olasılık aralığının, o aralıkta gözlemlenen gerçek kayıp sıklığına kıyasla ortalama tahmini.
• Permütasyon özellik önemi — ağın aslında hangi sekiz özelliğe dayandığı; bu sütun karıştırıldığında doğruluktaki düşüşe göre sıralanır.
• Üç tanılama sonucunu birleştiren ve yazılı öneriler içerenbir bileşik puan (A'dan F'ye).

Giriş. Varsayılan InpUseDemoData=true ayarıyla, komut dosyası bilinen bir enjeksiyon desenine (zararın hemen ardından daha büyük pozisyon büyüklüğü) sahip 480 sentetik kapanış işlemi oluşturur ve bunları analiz eder; böylece çıktı hemen görülebilir. Bunun yerine, HistorySelect() ve HistoryDealGet*() işlevleri aracılığıyla gerçek kapalı işlem geçmişini okumak için InpUseDemoData=false olarak ayarlayın; bu modda dosya veya CSV gerekmez.

Parametreler. InpMinTrades, eğitimden önce gerekli olan minimum kapalı işlem sayısını belirler; InpValidationFraction, en son geçmiş verilerin ne kadarının doğrulama için ayrılacağını belirler; InpHiddenNeurons, InpLearningRate ve InpEpochs, ağı kontrol eder; InpCalibrationBins ve InpPermutationRepeats, iki tanılama işlemini kontrol eder; InpWeightUplift, InpWeightCalibration, InpWeightTopFeature ile üç *Scale ve dört Grade girişi ise bileşik puanı kontrol eder.

Araç, tamamen MQL5 ile yazılmıştır. Harici kütüphanelere, Python’a veya herhangi bir tür yapay zeka hizmetine ihtiyaç duymaz. Yöntemin tam açıklaması, her bir teşhisin arkasındaki matematiksel temeller ve kod, şu makalede mevcuttur: [ARTICLE_URL].