🚀 اکسپرت Larry Williams XGBoost ONNX برای متاتریدر ۵
در دنیای امروز معاملهگری، استفاده از هوش مصنوعی دیگر یک انتخاب نیست، بلکه یک مزیت رقابتی جدی محسوب میشود. اکسپرت Larry Williams AI-Filtered EA دقیقاً با همین هدف طراحی شده است؛ ترکیب یک استراتژی کلاسیک و شناختهشده پرایس اکشن با قدرت تحلیل مدلهای یادگیری ماشین.این اکسپرت در پلتفرم MetaTrader 5 اجرا میشود و از فایل مدل ONNX برای فیلتر کردن سیگنالها استفاده میکند. در این مقاله بهصورت کامل و ساده با ساختار عملکرد، تنظیمات، منطق معاملاتی و نحوه آموزش مدل آشنا میشویم.
📌 معرفی کلی اکسپرت
این اکسپرت بر پایه استراتژی Outside Bar از لری ویلیامز ساخته شده است. در مرحله اول، بازار بهصورت مکانیکی بررسی میشود و اگر شرایط پرایس اکشن برقرار باشد، سیگنال اولیه صادر میشود. اما قبل از ورود به معامله، یک مدل هوش مصنوعی که با فرمت ONNX ساخته شده است، احتمال موفقیت معامله را بررسی میکند.
به بیان ساده:
🔹 مرحله اول = شناسایی سیگنال کلاسیک
🔹 مرحله دوم = تأیید سیگنال توسط هوش مصنوعی
🔹 مرحله سوم = مدیریت هوشمند معامله
این ترکیب باعث میشود بسیاری از سیگنالهای ضعیف حذف شوند و تنها معاملات با احتمال موفقیت بالاتر اجرا شوند.
📂 آمادهسازی فایل مدل (مرحله حیاتی)
قبل از اجرای اکسپرت، باید مدل یادگیری ماشین خود را در مسیر درست قرار دهید. اگر این مرحله بهدرستی انجام نشود، اکسپرت اجرا نخواهد شد و با خطای INIT_FAILED روبهرو میشوید.
مشخصات فایل مدل
| مورد | توضیح |
|---|---|
| نام فایل | larry_model.onnx |
| مسیر قرارگیری | MQL5 > Files |
| فرمت | ONNX |
| وضعیت الزامی | حتماً باید در پوشه Files باشد |
📌 نکته مهم: نام فایل باید دقیقاً با مقداری که در تنظیمات وارد میکنید یکسان باشد.
⚙️ تنظیمات ورودی اکسپرت
در ادامه، پارامترهای اصلی اکسپرت را بهصورت جدول مشاهده میکنید:
| پارامتر | توضیح کاربرد |
|---|---|
| InpMagic | شناسه اختصاصی برای مدیریت معاملات |
| InpLotSize | حجم معامله (مثلاً 0.1 یا 0.5 لات) |
| InpRR | نسبت ریسک به ریوارد |
| InpModelName | نام دقیق فایل ONNX |
| InpThreshold | حداقل درصد اطمینان مدل AI |
| InpAtrPeriod | دوره اندیکاتور ATR |
🎯 توضیح ساده پارامترها
🔹 اگر InpRR روی 2 تنظیم شود، حد سود دو برابر حد ضرر خواهد بود.
🔹 اگر InpThreshold روی 0.7 باشد، فقط سیگنالهایی با احتمال بالای 70٪ اجرا میشوند.
🔹 InpMagic از تداخل معاملات چند اکسپرت جلوگیری میکند.
📊 منطق معاملاتی اکسپرت
فاز اول: تشخیص مکانیکی کندل Outside Bar
اکسپرت در ابتدای هر کندل جدید بررسی میکند:
✔ آیا سقف کندل جدید از سقف کندل قبلی بالاتر است؟ ✔ آیا کف کندل جدید از کف کندل قبلی پایینتر است؟
اگر هر دو شرط برقرار باشد، یک Outside Bar شکل گرفته است.
📈 سیگنال صعودی
اگر قیمت بالاتر از سقف کندل قبلی بسته شود → احتمال خرید بررسی میشود.
📉 سیگنال نزولی
اگر قیمت پایینتر از کف کندل قبلی بسته شود → احتمال فروش بررسی میشود.
فاز دوم: تأیید توسط هوش مصنوعی 🤖
پس از شناسایی سیگنال اولیه، اکسپرت 10 ویژگی مهم بازار را استخراج میکند:
| ویژگی | توضیح |
|---|---|
| Body Size | اندازه بدنه کندل |
| Relative Range | دامنه نسبی |
| Bull/Bear Flag | وضعیت صعودی یا نزولی |
| ATR | میزان نوسان |
| Relative ATR | ATR نسبی |
| Day | روز هفته |
| Hour | ساعت معامله |
| Volume Change | تغییر حجم |
| Prev Direction | جهت کندل قبلی |
این دادهها به مدل ONNX ارسال میشوند.
نتیجه مدل
مدل سه خروجی احتمالی دارد:
| کلاس | معنا |
|---|---|
| Neutral | بدون سیگنال |
| Buy | پیشنهاد خرید |
| Sell | پیشنهاد فروش |
📌 اگر احتمال Buy بیشتر از InpThreshold باشد → معامله خرید
📌 اگر احتمال Sell بیشتر از InpThreshold باشد → معامله فروش
فاز سوم: مدیریت معامله 📌
پس از ورود به معامله، مدیریت بهصورت کاملاً مکانیکی انجام میشود.
| بخش | نحوه تعیین |
|---|---|
| Stop Loss | کف یا سقف کندل سیگنال |
| Take Profit | بر اساس نسبت ریسک به ریوارد |
| تعداد معاملات | فقط یک معامله فعال در هر زمان |
این محدودیت باعث میشود ریسک کنترلشده باقی بماند.
🧠 الزامات فنی مدل ONNX
اگر قصد دارید مدل را شخصاً آموزش دهید، باید به این مشخصات توجه کنید:
| مورد | مقدار موردنیاز |
|---|---|
| Input Shape | {1, 10} |
| خروجی 0 | برچسب پیشبینی |
| خروجی 1 | آرایه احتمالات 3 کلاسه |
| ترتیب ویژگیها | دقیقاً مطابق تابع CalculateFeatures |
مدل میتواند با کتابخانههایی مانند:
- Scikit-Learn
- XGBoost
- PyTorch
آموزش داده شود و سپس به ONNX تبدیل گردد.
🛠 مراحل آموزش و ساخت مدل شخصی
برای ساخت مدل شخصی خود مراحل زیر را انجام دهید:
1️⃣ فایل larry_william.zip را از حالت فشرده خارج کنید. 2️⃣ دستور زیر را اجرا کنید:
pip install -r requirements.txt
3️⃣ ابتدا متاتریدر 5 را اجرا کنید. 4️⃣ اجرای اسکریپت دریافت داده:
python download_csv_metatrader5.py
5️⃣ آموزش مدل:
python train_larry_williams.py
6️⃣ تبدیل به ONNX:
python convert_onnx_larry.py
پس از این مراحل، فایل نهایی larry_model.onnx ساخته میشود.
📈 چرا این اکسپرت میتواند مفید باشد؟
✅ کاهش سیگنالهای اشتباه
✅ فیلتر هوشمند معاملات
✅ مدیریت ریسک خودکار
✅ قابلیت شخصیسازی مدل
✅ ترکیب تحلیل کلاسیک و AI
در واقع شما همزمان از قدرت پرایس اکشن و یادگیری ماشین استفاده میکنید.
⚠️ نکات مهم قبل از استفاده
🔸 ابتدا در حساب دمو تست بگیرید.
🔸 مقدار Threshold را بیش از حد بالا قرار ندهید.
🔸 مدل را با دادههای کافی آموزش دهید.
🔸 حتماً ترتیب ویژگیها را رعایت کنید.
اکسپرت Larry Williams XGBoost ONNX یک سیستم معاملاتی پیشرفته است که استراتژی کلاسیک Outside Bar را با هوش مصنوعی ترکیب میکند. این اکسپرت ابتدا شرایط بازار را بهصورت مکانیکی بررسی میکند، سپس با استفاده از مدل یادگیری ماشین احتمال موفقیت معامله را میسنجد و در نهایت وارد معامله میشود.
اگر به دنبال یک سیستم نیمههوشمند با قابلیت توسعه شخصی هستید، این ابزار میتواند گزینهای بسیار قدرتمند برای شما باشد.
📌 پیشنهاد میشود قبل از استفاده در حساب واقعی، مدل خود را بهینهسازی کرده و چندین بکتست دقیق انجام دهید.
موفق و پرسود باشید 🌱💹
