Neural Loss-Pattern Auditor - MetaTrader 5脚本

胜率或盈利因子等汇总统计数据无法反映亏损概率是否取决于交易者刚刚采取的行动，例如在之前亏损后立即调整仓位大小。神经网络亏损模式审计器正是针对此类行为模式进行检测，并直接基于交易者自身的交易历史进行分析。

主脚本针对每笔已平仓交易构建包含八个特征的数据集，并将完整的诊断报告输出至“专家”标签页：

• 准确率提升——训练后神经网络的验证准确率与“始终猜测多数类”的准确率之比。
• 校准表—— 每个概率区间内的平均预测值与该区间内实际观测到的亏损频率的对比。
• 置换特征重要性——网络实际依赖的八个特征，按该列特征被随机打乱时准确率下降幅度排序。
• 综合评分（A 至 F），综合了上述三项诊断结果，并附有文字建议。

输入。 在默认设置 InpUseDemoData=true 的情况下，脚本会生成 480 笔带有已知注入模式（亏损后立即增加仓位规模）的合成成交单，并对其进行分析，因此输出结果可立即显示。 将 InpUseDemoData 设为 false，则通过 HistorySelect() 和 HistoryDealGet*() 函数读取真实的已平仓交易历史数据；在此模式下无需提供文件或 CSV 文件。

参数。 InpMinTrades 设置训练前所需的最小已平仓交易笔数；InpValidationFraction 设置用于验证的最近历史数据占比；InpHiddenNeurons、InpLearningRate 和 InpEpochs 用于控制神经网络； InpCalibrationBins 和 InpPermutationRepeats 控制这两项诊断指标；而 InpWeightUplift、InpWeightCalibration、InpWeightTopFeature 以及三个 *Scale 和四个 Grade 输入参数则控制综合评分。

该工具采用纯 MQL5 编写。它无需任何外部库、Python 语言，也不依赖任何形式的人工智能服务。有关该方法的完整说明、各项诊断指标背后的数学原理以及源代码，请参阅文章：[ARTICLE_URL]。