Deskripsi
GBPUSD London Breakout (v2) adalah cBot otomatis penuh yang memperdagangkan breakout rentang buka London klasik pada GBPUSD (H1). Ini mengukur rentang konsolidasi sebelum London, menunggu breakout yang dikonfirmasi dalam jendela yang ditentukan, dan mengelola perdagangan dengan take profit kelipatan R tetap, stop loss yang dibuffer, dan gerakan breakeven otomatis setelah perdagangan cukup jauh dalam keuntungan. Filter tren EMA harian digunakan untuk mempengaruhi arah perdagangan.
Diuji ulang selama 2 tahun 7 bulan pada GBPUSD H1 (01/01/2024β16/08/2026, kondisi FxPro, leverage 500:1): 213 perdagangan, tingkat kemenangan 55,4%, faktor keuntungan 1.03, ROI 22,35%. Penurunan maksimum selama pengujian adalah ~47β49% dari saldo/ekuitas akun β ini adalah strategi agresif pada pengaturan risiko per perdagangan 5% yang diuji (default adalah 1%); pembeli harus mengurangi RiskPercent untuk profil risiko yang lebih konservatif. Laporan replay historis lengkap tersedia atas permintaan/terlampir.
Direkomendasikan: akun hedging, hanya GBPUSD, kerangka waktu H1. Kinerja masa lalu tidak menjamin hasil di masa depan.
Ringkasan
Trade management features include fixed risk-reward take profit targets, buffered stop loss settings, and an automatic breakeven adjustment once trades reach a defined profit level. The bot is optimized for hedging accounts and uses a fixed risk percentage model, with a default risk per trade of 1%, adjustable for different risk profiles.
Backtesting over 2 years and 7 months under FxPro conditions with 500:1 leverage yielded 213 trades, a 55.4% win rate, a profit factor of 1.03, and a total return on investment of 22.35%. The maximum drawdown observed was approximately 47β49% at a 5% risk setting, indicating an aggressive risk profile at higher risk levels.
The bot supports market orders and is intended for day trading with medium trade frequency. It includes risk management tools such as stop loss, take profit, breakeven management, session filters, and spread filters. Recommended minimum balance is $500.
