Descrição
O gradiente linear (ou gradiente em geral) é um conceito fundamental em cálculo e álgebra linear, usado para descrever a direção e a taxa mais rápida de variação de uma função. Neste caso, a abordagem usada para o Mercado Financeiro é definir maiores ganhos à medida que a volatilidade aumenta em uma faixa. Sabemos que no mercado Forex, a variação de preço é constante. Foi pensada uma solução para obter ganhos a partir dessa inconstância do mercado Forex. O robô Gradient UMl pro foi especificamente adaptado a vários métodos e filtros com o objetivo de maximizar os ganhos. O algoritmo monitora constantemente o preço através dos filtros implementados, para posicionar ordens pendentes adaptadas à faixa alvo de acordo com o nível de volatilidade. A função de aprendizado de máquina monitora e evolui conforme o progresso do mercado, reduzindo o risco ao ajustar o stop e os alvos conforme o movimento do preço. A única desvantagem deste algoritmo é um mercado fortemente em tendência, que pode impactar o risco. No entanto, se você conhece os ciclos do mercado e identifica quando uma tendência termina, quando começa o período de acumulação e distribuição, pode maximizar o desempenho do algoritmo conectando-se a esses períodos.
Gráfico de tempo m5 usdjpy, gbpusd, eurusd, otimizado e configurado, para baixo risco deixe o filtro adx ligado, desligado abre mais posições mas com maior risco.
Resultados Esperados
Estilo: Scalping Híbrido e Swing Trading
Renda média mensal: Variável (de 2% a 14%, dependendo das condições)
Tempo de negociação: Ativo durante o tempo selecionado
Para melhor desempenho, ajuste o parâmetro length = 20 do dia 1 ao 15 do mês. Do dia 16 ao 30, length = 12. Length = 0 permanece no modo automático agressivo ML, recomendado para o mercado de faixa.
Resumo
The bot incorporates a machine learning function that continuously adjusts stop-loss and target levels based on evolving market conditions to manage risk. Users can enable an ADX filter to reduce risk by limiting trade openings, or disable it to increase position frequency with higher risk. Parameter adjustments are recommended monthly to optimize performance: setting the length parameter to 20 during the first half of the month and 12 during the second half, or using an automatic aggressive machine learning mode for range-bound markets.
Trading activity is active during selected times, with expected average monthly returns varying between 2% and 14%, depending on market conditions. The system is best suited for markets exhibiting cyclical behavior, where trend endings and accumulation/distribution phases can be identified to maximize effectiveness.
