⭐ اکسپرت MTC Combo برای متاتریدر 5
ترکیب هوشمند سیستم معاملاتی پایه + شبکه عصبی برای ساخت یک ربات قدرتمند
در دنیای معاملات خودکار، بسیاری از معاملهگران به دنبال ساخت یا استفاده از رباتهایی هستند که نهتنها بر اساس یک استراتژی ساده عمل کنند، بلکه بتوانند بهصورت هوشمند شرایط بازار را درک کرده و تصمیمگیریهای دقیقتری انجام دهند.اکسپرت MTC Combo دقیقاً با همین هدف طراحی شده است. این ربات تلاش میکند یک سیستم معاملاتی پایه (BTS) را با یک شبکه عصبی چندلایه (Neural Network) ترکیب کند تا نقاط ضعف یک سیستم ساده را پوشش داده و خروجی نهایی یک اکسپرت هیبریدی، قدرتمند و قابل آموزش باشد.
🎯 هدف اصلی اکسپرت MTC Combo چیست؟
هدف این است که اگر یک سیستم معاملاتی معمولی مثلاً فقط در روندها عملکرد خوبی دارد، یک شبکه عصبی به آن اضافه شود تا ضعفهایش مثل:
- تشخیص اصلاحها
- تشخیص بازگشتها
- ترید در زمان رنج
- جلوگیری از ورود اشتباه
را پوشش دهد و نتیجه نهایی یک ربات همهجانبه باشد.
به بیان ساده: 👉 BTS کار اصلی را انجام میدهد، NN بخشهایی را پوشش میدهد که BTS در آنها ضعف دارد.
🧠 ساختار شبکه عصبی در اکسپرت
شبکه عصبی این اکسپرت شامل:
- دو پرسپترون در لایه پایینی
- یک پرسپترون در لایه بالایی
است. خروجی شبکه عصبی میتواند سه حالت داشته باشد:
| حالت شبکه | توضیح |
|---|---|
| ورود به خرید (Long) | شبکه سیگنال خرید صادر میکند |
| ورود به فروش (Short) | شبکه سیگنال فروش صادر میکند |
| نامشخص (Undefined) | کنترل به BTS داده میشود |
درواقع شبکه عصبی فقط زمانی وارد عمل میشود که بتواند بهتر از BTS تصمیم بگیرد.
⚙️ مراحل آموزش شبکه عصبی
آموزش این شبکه در چهار مرحله انجام میشود. هر مرحله مربوط به یک گروه از ورودیهاست و با مقدار پارامتر pass در ورودیهای اکسپرت تنظیم میشود.
🟦 مرحله اول: بهینهسازی سیستم معاملاتی پایه (BTS)
در این مرحله باید:
- pass = 1
- فقط پارامترهایی که به عدد 1 ختم میشوند بهینه شوند.
پارامترهای مرحله اول
| پارامتر | توضیح | محدوده |
|---|---|---|
| tp1 | حد سود BTS | 100 → 1000 (گام 10) |
| sl1 | حد ضرر BTS | 100 → 1000 (گام 10) |
| p1 | دوره CCI | 3 → 100 (گام 1) |
نکات تنظیمات تستر
- موجودی اولیه: 100 دلار
- مدل تست: Open prices only
- نوع بهینهسازی: Fast Genetic Algorithm
- معیار بهینهسازی: Balance + Max Sharpe Ratio
🟧 مرحله دوم: آموزش پرسپترون معاملات فروش
در این مرحله:
- pass = 2
- فقط پارامترهای پایانیافته با عدد 2 فعال شوند.
پارامترهای مرحله دوم
| پارامتر | توضیح | محدوده |
|---|---|---|
| x12, x22, x32, x42 | وزنهای تصمیمگیری فروش | 0 → 200 |
| tp2 | حد سود فروش | 100 → 1000 |
| sl2 | حد ضرر فروش | 100 → 1000 |
| p2 | دوره تحلیل اختلاف قیمت | 3 → 100 |
این مرحله باعث میشود شبکه عصبی تشخیص دهد چه زمانی بازار مناسب ورود فروش است.
🟩 مرحله سوم: آموزش پرسپترون معاملات خرید
در این مرحله:
- pass = 3
- فقط پارامترهای پایانیافته با عدد 3 فعال میشوند.
پارامترهای مرحله سوم
| پارامتر | توضیح | محدوده |
|---|---|---|
| x13, x23, x33, x43 | وزنهای تشخیص خرید | 0 → 200 |
| tp3 | حد سود خرید | 100 → 1000 |
| sl3 | حد ضرر خرید | 100 → 1000 |
| p3 | دوره تحلیل اختلاف قیمت | 3 → 100 |
در این مرحله شبکه تشخیص میدهد چه زمانی بازار مناسب ورود خرید است.
🟥 مرحله چهارم: آموزش پرسپترون لایه بالایی
در این مرحله:
- pass = 4
- تنها پارامترهای پایانیافته با 4 بهینه میشوند.
پارامترهای مرحله چهارم
| پارامتر | توضیح | محدوده |
|---|---|---|
| x14, x24, x34, x44 | وزنهای لایه بالایی | 0 → 200 |
| p4 | دوره تحلیل اختلاف قیمت | 3 → 100 |
این لایه مانند مغز اصلی عمل میکند و تصمیم نهایی بین خرید، فروش یا واگذار کردن کنترل به BTS را میگیرد.
⚡ نتیجه نهایی: شبکه عصبی آموزش داده شد
پس از پایان چهار مرحله، شبکه عصبی:
- الگوهای رفتاری بازار را تشخیص میدهد
- مکمل BTS میشود
- در شرایطی که BTS ناتوان است وارد عمل میشود
- رفتار خود را بر اساس دادههای آموزشدیده بهینه میکند
🔧 پارامتر مهم دیگر: Magic Number (mn)
این ورودی قابل بهینهسازی نیست و برای تشخیص معاملات مربوط به این اکسپرت از سایر اکسپرتها و معاملات دستی استفاده میشود.
نکته مهم
🔸 عدد جادویی باید در هر ربات یا چارت جداگانه کاملاً منحصربهفرد باشد.
🧾 نکات مهم و توصیههای پایانی
در پایان نویسنده چند توصیه کاربردی ارائه کرده است:
✔ 1. مقدار موجودی اولیه
موجودی اولیه باید دو برابر افت سرمایه مطلق باشد تا از کالمارجین جلوگیری شود.
✔ 2. سورسکد بهینه نشده است
اگر توسعهدهنده هستید، میتوانید:
- تابع basicTradingSystem() را تغییر دهید
- استراتژی BTS را با هر الگوریتم دلخواه جایگزین کنید
✔ 3. زمان مناسب برای بهینهسازی مجدد
- اگر هفته گذشته ضرر داشتید → آخر هفته دوباره بهینهسازی کنید
- اگر سودده بود → نیازی به بهینهسازی مجدد نیست چون ربات با شرایط فعلی بازار سازگار است
✔ 4. سرعت بهینهسازی
به دلیل استفاده از:
- الگوریتم ژنتیک
- ابعاد کوچک شبکه عصبی
فرایند آموزش سریع و قابلقبول است.
📊 جدول خلاصه مراحل آموزشی
| مرحله | pass | وظیفه | پارامترهای قابل بهینهسازی |
|---|---|---|---|
| 1 | 1 | بهینهسازی BTS | tp1, sl1, p1 |
| 2 | 2 | آموزش فروش | x12..x42, tp2, sl2, p2 |
| 3 | 3 | آموزش خرید | x13..x43, tp3, sl3, p3 |
| 4 | 4 | آموزش لایه بالایی | x14..x44, p4 |
اکسپرت MTC Combo یک سیستم تلفیقی فوقالعاده هوشمند است که تلاش میکند دو رویکرد را با هم ترکیب کند:
- سیستم معاملاتی پایه (BTS)
- شبکه عصبی قابل آموزش
این ترکیب باعث میشود ربات بتواند:
- در روندها عملکرد خوب BTS را حفظ کند
- در رنجها و بازگشتها عملکردی بهتر از BTS داشته باشد
- ریسک معاملات را کاهش دهد
- در زمانهای نامناسب ورود نکند
- با بازار تغییر کند و در صورت نیاز دوباره بهینهسازی شود
این اکسپرت مناسب معاملهگران حرفهای است که میخواهند سیستمی پویا، آموزشپذیر و کاملاً شخصیسازیشده داشته باشند.
