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)
برای اجرای صحیح اکسپرت، ابتدا باید فایل مدل یادگیری ماشین خود را در مسیر مشخصشده قرار دهید. این فایل با نام دقیق `larry_model.onnx` و با فرمت ONNX باید در پوشه `MQL5 > Files` کپی شود. مسیر قرارگیری این فایل اهمیت حیاتی دارد و بههیچوجه نباید آن را در پوشه دیگری مانند Experts یا Indicators ذخیره کنید، زیرا اکسپرت تنها در همین مسیر به دنبال فایل مدل میگردد.
به یاد داشته باشید که نام فایل باید دقیقاً با مقداری که در بخش تنظیمات اکسپرت وارد کردهاید مطابقت داشته باشد؛ حتی یک حرف اضافه، فاصله یا تفاوت در حروف بزرگ و کوچک میتواند مانع شناسایی مدل شود. در صورت عدم رعایت این الزامات، اکسپرت اجرا نشده و با خطای `INIT_FAILED` متوقف خواهد شد، بنابراین پیش از اجرا حتماً از صحت نام و محل فایل اطمینان حاصل کنید.
تنظیمات ورودی اکسپرت
در ادامه، پارامترهای اصلی اکسپرت را مرور میکنیم. پارامتر InpMagic یک شناسه اختصاصی برای مدیریت معاملات است و از تداخل بین چند اکسپرت جلوگیری میکند. InpLotSize حجم معامله را مشخص میکند، برای مثال 0.1 یا 0.5 لات. نسبت ریسک به ریوارد توسط InpRR تعیین میشود، نام دقیق فایل ONNX در InpModelName وارد میشود، InpThreshold حداقل درصد اطمینان مدل هوش مصنوعی را مشخص میکند و InpAtrPeriod نیز دوره اندیکاتور ATR را تعیین مینماید.
برای درک بهتر عملکرد این پارامترها، به چند مثال ساده توجه کنید. اگر InpRR روی 2 تنظیم شود، حد سود معامله دو برابر حد ضرر خواهد بود. همچنین اگر InpThreshold روی 0.7 تنظیم گردد، تنها سیگنالهایی اجرا میشوند که مدل هوش مصنوعی با احتمال بالای 70 درصد آنها را تأیید کرده باشد. InpMagic نیز با اختصاص یک شماره منحصربهفرد، از تداخل معاملات در صورت اجرای همزمان چند اکسپرت روی یک نماد جلوگیری میکند.
منطق معاملاتی اکسپرت
فاز اول: تشخیص مکانیکی کندل Outside Bar
اکسپرت در ابتدای هر کندل جدید به بررسی الگوی Outside Bar میپردازد. برای شناسایی این الگو، دو شرط باید بهطور همزمان برقرار باشند: نخست آنکه سقف کندل جدید باید بالاتر از سقف کندل قبلی باشد و دوم اینکه کف کندل جدید باید پایینتر از کف کندل قبلی قرار گیرد. در صورت تحقق هر دو شرط، یک Outside Bar کامل شکل گرفته است که نشاندهنده نوسان قابلتوجه و بلعیده شدن کامل محدوده قیمتی کندل قبلی توسط کندل جدید میباشد.
پس از تأیید شکلگیری الگو، اکسپرت بر اساس نحوه بسته شدن قیمت، جهت معامله را تشخیص میدهد. اگر قیمت بسته شدن کندل جدید بالاتر از سقف کندل قبلی باشد، یک سیگنال صعودی صادر شده و احتمال ورود به معامله خرید توسط مدل هوش مصنوعی بررسی میشود. در مقابل، چنانچه قیمت بسته شدن پایینتر از کف کندل قبلی باشد، سیگنال نزولی فعال میگردد و اکسپرت احتمال ورود به معامله فروش را مورد ارزیابی قرار میدهد. در هر دو حالت، تصمیم نهایی برای اجرای معامله به تأیید مدل ONNX و عبور از آستانه اطمینان تعیینشده در پارامتر InpThreshold بستگی دارد.
فاز دوم: تأیید توسط هوش مصنوعی
در فاز دوم، اکسپرت سیگنال اولیه شناساییشده را برای تأیید نهایی به مدل هوش مصنوعی ارسال میکند. در این مرحله، ده ویژگی مهم بازار استخراج میشود که شامل اندازه بدنه کندل، دامنه نسبی حرکت قیمت، وضعیت صعودی یا نزولی بودن الگو، میزان نوسان فعلی از طریق ATR، مقدار ATR نسبی، روز هفته، ساعت معامله، میزان تغییر حجم معاملات و جهت کندل قبلی میباشد. این مجموعه دادهها یک تصویر جامع از شرایط لحظهای بازار را در اختیار مدل ONNX قرار میدهد و به آن امکان تحلیل عمیقتر سیگنال را میدهد.
پس از پردازش دادهها، مدل هوش مصنوعی یکی از سه خروجی احتمالی را تولید میکند: کلاس Neutral به معنای نبود سیگنال معتبر، کلاس Buy به معنای پیشنهاد خرید و کلاس Sell به معنای پیشنهاد فروش. اما تولید این خروجیها به تنهایی کافی نیست، بلکه احتمال اختصاصیافته به هر کلاس تعیینکننده اصلی است. اگر مدل احتمال کلاس Buy را بالاتر از مقدار تعیینشده در پارامتر InpThreshold تشخیص دهد، معامله خرید اجرا خواهد شد. به همین ترتیب، در صورتی که احتمال کلاس Sell از این آستانه عبور کند، اکسپرت وارد معامله فروش میشود. این مکانیزم دو مرحلهای تضمین میکند که تنها سیگنالهایی با بالاترین درجه اطمینان به معامله تبدیل شوند.
فاز سوم: مدیریت معامله
پس از ورود به معامله، مدیریت ریسک و سود بهصورت کاملاً مکانیکی و خودکار انجام میشود تا از هرگونه تصمیمگیری احساسی جلوگیری گردد. حد ضرر یا Stop Loss دقیقاً بر اساس ساختار کندل سیگنال تعیین میشود؛ به این معنا که در معاملات خرید، کف کندل سیگنال و در معاملات فروش، سقف کندل سیگنال بهعنوان نقطه خروج اضطراری در نظر گرفته میشود. حد سود یا Take Profit نیز کاملاً بر مبنای نسبت ریسک به ریوارد تعریفشده در پارامتر InpRR محاسبه میگردد، بنابراین اگر این نسبت روی 2 تنظیم شده باشد، فاصله حد سود تا نقطه ورود، دو برابر فاصله حد ضرر خواهد بود. همچنین اکسپرت در هر لحظه تنها اجازه یک معامله فعال دارد و این محدودیت باعث میشود ریسک کلی حساب در سطح کنترلشده و قابلقبولی باقی بماند.
چنانچه قصد دارید مدل ONNX را شخصاً آموزش دهید، باید حتماً به الزامات فنی آن پایبند باشید تا با ساختار اکسپرت سازگار بماند. شکل ورودی مدل یا Input Shape باید دقیقاً بهصورت {1, 10} تعریف شود که نشاندهنده یک نمونه با ده ویژگی است. خروجی مدل شامل دو بخش اصلی است: خروجی شماره صفر که برچسب پیشبینی نهایی یا همان کلاس را مشخص میکند و خروجی شماره یک که آرایه احتمالات مربوط به سه کلاس Neutral، Buy و Sell را ارائه میدهد. همچنین ترتیب ویژگیهای ورودی باید دقیقاً مطابق با تابع CalculateFeatures در کد اکسپرت رعایت شود؛ به این معنا که جایگاه هر ویژگی مانند اندازه بدنه کندل، ATR نسبی یا روز هفته نباید تغییر کند. برای آموزش مدل میتوانید از کتابخانههای محبوب و قدرتمندی مانند Scikit-Learn، XGBoost یا PyTorch استفاده کرده و سپس مدل آموزشدیده را با ابزارهای مخصوص به فرمت ONNX تبدیل نمایید.
مراحل آموزش و ساخت مدل شخصی
برای ساخت مدل شخصی خود، مراحل زیر را به ترتیب انجام دهید. ابتدا فایل `larry_william.zip` را از حالت فشرده خارج کرده و سپس با اجرای دستور `pip install -r requirements.txt` در ترمینال یا خط فرمان، تمام کتابخانههای موردنیاز پروژه را نصب کنید. در گام بعدی، حتماً متاتریدر 5 را اجرا کرده و از فعال بودن آن اطمینان حاصل نمایید، زیرا اسکریپت دریافت داده برای استخراج اطلاعات تاریخی بازار به ارتباط زنده با متاتریدر نیاز دارد.
پس از اجرای متاتریدر، اسکریپت `download_csv_metatrader5.py` را اجرا کنید تا دادههای قیمتی موردنیاز از پلتفرم معاملاتی دریافت و در قالب فایل CSV ذخیره شوند. سپس با اجرای اسکریپت `train_larry_williams.py`، فرآیند آموزش مدل یادگیری ماشین روی دادههای جمعآوریشده آغاز میشود و مدل الگوهای موردنظر را یاد میگیرد. در نهایت، با اجرای `convert_onnx_larry.py` مدل آموزشدیده به فرمت ONNX تبدیل میگردد و فایل نهایی با نام `larry_model.onnx` ساخته میشود. اکنون میتوانید این فایل را در مسیر `MQL5 > Files` قرار داده و از آن در اکسپرت خود استفاده کنید.
این اکسپرت به چند دلیل میتواند ابزاری مفید و کارآمد برای معاملهگران باشد. نخستین مزیت آن کاهش چشمگیر سیگنالهای اشتباه است، زیرا برخلاف سیستمهای صرفاً کلاسیک که هر Outside Bar را معتبر میدانند، اینجا یک فیلتر هوشمند مبتنی بر هوش مصنوعی سیگنالهای ضعیف را حذف میکند. مدیریت ریسک نیز بهصورت کاملاً خودکار و مکانیکی انجام میشود و جای هیچ تصمیمگیری احساسی باقی نمیماند. قابلیت شخصیسازی مدل از دیگر نقاط قوت آن است، چرا که میتوانید مدل را با دادههای دلخواه خود بازآموزی کرده و با شرایط خاص بازار تطبیق دهید. در واقع، این اکسپرت قدرت تحلیل کلاسیک پرایس اکشن را با تواناییهای پیشبینی و یادگیری ماشین ترکیب میکند تا تصمیمات معاملاتی هوشمندانهتری بگیرد.
پیش از استفاده از این اکسپرت، رعایت چند نکته ضروری است. حتماً ابتدا عملکرد آن را در یک حساب دمو آزمایش کنید و از نتایج واقعی بازار اطمینان حاصل نمایید. پارامتر Threshold را بیش از حد بالا تنظیم نکنید، زیرا ممکن است بسیاری از سیگنالهای معتبر نیز فیلتر شوند و فرصتهای معاملاتی از دست بروند. مدل هوش مصنوعی باید با دادههای کافی و متنوع آموزش دیده باشد تا بتواند الگوهای مختلف بازار را بهخوبی تشخیص دهد. همچنین ترتیب دقیق ویژگیهای ورودی در زمان آموزش و تبدیل مدل به ONNX باید کاملاً مطابق با تابع CalculateFeatures رعایت شود تا مدل بهدرستی عمل کند. اکسپرت Larry Williams XGBoost ONNX در حقیقت یک سیستم معاملاتی پیشرفته است که با تلفیق استراتژی کلاسیک Outside Bar و هوش مصنوعی، سیگنالهای خام بازار را ابتدا بهصورت مکانیکی شناسایی کرده، سپس با سنجش احتمال موفقیت توسط مدل یادگیری ماشین، تنها به معاملات با شانس بالاتر ورود میکند. اگر به دنبال یک سیستم نیمههوشمند با قابلیت توسعه و بهینهسازی شخصی هستید، این ابزار گزینهای بسیار قدرتمند خواهد بود و توصیه میشود پیش از استفاده در حساب واقعی، مدل را با بکتستهای دقیق بهینهسازی کنید.
اکسپرت Larry Williams AI
پس از تایید شماره موبایل، لینک دانلود فایل به شما نمایش داده خواهد شد.
دانلود رایگان اندیکاتور نوسان گیری 2MoHLC مخصوص متاتریدر 5 برای بورس و فارکس
دانلود رایگان اندیکاتور ولوم پروفایل نوسان گیری با حجم معاملاتو تشخیص مناطق پر تراکنش Volume Profile Range Indicator for MT5
دانلود رایگان اکسپرت TradeChannel برای متاتریدر4 در بازار فارکس
