Описание
Линейный градиент (или градиент в целом) является фундаментальной концепцией в математическом анализе и линейной алгебре, используемой для описания направления и самой быстрой скорости изменения функции. В данном случае подход, используемый для финансового рынка, заключается в определении больших прибылей по мере увеличения волатильности в диапазоне. Мы знаем, что на рынке Форекс изменение цены постоянно. Было придумано решение, чтобы извлекать прибыль из этой нестабильности рынка Форекс. Робот Gradient UMl pro был специально адаптирован к нескольким методам и фильтрам с целью максимизации прибыли. Алгоритм постоянно отслеживает цену через реализованные фильтры, чтобы размещать отложенные ордера, адаптированные к целевому диапазону в зависимости от уровня волатильности. Функция машинного обучения контролирует и развивается в соответствии с ходом рынка, снижая риск путем корректировки стопа и целей в зависимости от движения цены. Единственным недостатком этого алгоритма является сильный трендовый рынок, который может повлиять на риск. Однако, если вы знаете циклы рынка и умеете определять, когда тренд заканчивается, когда начинается период накопления и распределения, вы можете максимизировать эффективность алгоритма, подключаясь к этим периодам.
Таймфрейм m5 для usdjpy, gbpusd, eurusd, оптимизирован и настроен, для низкого риска оставьте фильтр adx включенным, выключенный открывает больше позиций, но с большим риском.
Ожидаемые результаты
Стиль: гибридный скальпинг и свинг-трейдинг
Среднемесячный доход: переменный (от 2% до 14%, в зависимости от условий)
Время торговли: активно в выбранное время
Для лучшей производительности настройте параметр length = 20 с 1 по 15 число месяца. С 16 по 30 число length = 12. Length = 0 остается в автоматическом агрессивном режиме ML, рекомендуется для рынка с диапазоном.
Сводка
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.
