Warrior_EA/Market Descriptions/Market_Korean_Description.html

<h2>Warrior EA 소개 – 모든 시장을 위한 자가 학습 신경망</h2>

<p><strong>Warrior EA</strong>는 부착한 차트에서 직접 자체 신경망을 학습합니다. 거래 상품의 과거 데이터로부터 학습하고, 보지 못한 데이터로 스스로를 평가하며, 모델이 신뢰할 수 있는 행동을 보일 때만 거래합니다. 이 EA는 <u>모든 심볼과 모든 시간대</u>를 지원하며 다양한 시장 상황에 자연스럽게 적응합니다.</p>


<h2>거래 전략</h2>

<p>EA는 자가 학습 AI 또는 클래식 멀티 지표 경로(MA, RSI, MACD, Ichimoku)를 사용하여 작동할 수 있습니다. 신경망은 가격 움직임, 변동성, 거래량, 주기적 시간 구조 및 확인된 스윙 구조를 읽고 매수, 매도 또는 중립 분류를 형성합니다.</p>
<p>학습 중에 과거 데이터의 일부가 보류되어 모델이 보지 못한 데이터에서만 정확도가 측정되도록 합니다. AI와 클래식 경로가 모두 활성화되면 안정적인 의사 결정을 위해 함께 투표합니다.</p>


<h2>주요 기능</h2>


<ol>
    <li>자가 학습 신경망: 퍼셉트론, 컨볼루셔널, LSTM 또는 하이브리드 아키텍처.</li>
    <li>미확인 데이터 검증: 모델이 실거래 전에 매수, 매도 및 중립을 안정적으로 인식해야 합니다.</li>
    <li>적응형 학습: 배포된 모델이 새로 확인된 구조에 계속 적응합니다.</li>
    <li>와이코프 컨텍스트: 축적, 분배, 고갈 및 통제 전환에 대한 선택적 구조 판독.</li>
    <li>클래식 신호: AI가 워밍업되는 동안 MA, RSI, MACD 및 Ichimoku 경로 사용 가능.</li>
    <li>외부 소프트웨어 불필요: 네이티브 MQL5/OpenCL만 사용 — 모든 VPS 또는 클라우드 에이전트에서 변경 없이 실행.</li>
</ol>


<h2>리스크 관리</h2>

<p>스탑은 선택적 변동성 패딩 또는 적응형 거리와 함께 최근 스윙 극점에 고정됩니다. 포지션 크기는 실제 스탑 거리에서 계산되므로 선택한 리스크 비율이 항상 준수됩니다.</p>
<p>목표는 변동성 배수, 반대 스윙 또는 신뢰도에 기반한 적응형 보상을 사용할 수 있습니다. 규율 있는 거래를 위해 일일 손실 및 드로우다운 한도가 제공됩니다.</p>


<h2>거래 저널 및 자체 평가 데이터베이스</h2>

<p>모든 체결된 거래는 로컬 데이터베이스에 기록됩니다: 진입 및 청산 가격, 스탑 및 목표, 로트 크기, 실제 손익, 최대 불리/유리 변동(R 배수), AI 신뢰도, 데이터베이스 신뢰도, 청산 사유 및 트리거 패턴.</p>
<p>이는 "Weight filters by DB win-rate"가 활성화되면 자동으로 실행됩니다.</p>
<p>동일한 기록이 클래식 신호를 위한 자체 평가 시스템을 지원합니다: 각 패턴의 승률이 시간에 따라 추적되고 그 영향력이 그에 따라 조정되므로, 실제로 귀하의 심볼과 시간대에서 작동하는 패턴이 더 많은 가중치를 얻습니다.</p>
<p>Report 버튼은 전체 기록을 CSV로 내보냅니다: 전체 승률, 평균 R 배수, 시간/일별 분석, 신뢰도 구간 및 반복되는 취약점에 기반한 평이한 언어 제안. 더 깊은 분석을 위해 모든 개별 거래가 포함됩니다.</p>


<h2>이점</h2>


<ul>
    <li>외환, 지수, 금속, 원자재 및 암호화폐에서 작동.</li>
    <li>커브 피팅 없음 — 특성이 상품 간에 스케일 정규화됨.</li>
    <li>명확한 차트 피드백: 학습 진행 상황, 미확인 데이터 정확도 및 실시간 신호 신뢰성.</li>
    <li>자체 추적 승률로 가중치가 부여된 자가 개선 클래식 신호.</li>
</ul>


<h2>내부 워크플로우 (요약)</h2>


<ul>
    <li>선택한 룩백 기간 동안 특성을 수집합니다.</li>
    <li>Adam 또는 SGD를 사용하여 선택한 신경 아키텍처를 학습합니다.</li>
    <li>OOS 분할에서 검증하고 최고 성능의 에포크를 선택합니다.</li>
    <li>모델을 배포하고 적응형 학습을 시작합니다(활성화된 경우).</li>
</ul>


<h2>참고 사항</h2>


<ul>
    <li>성능은 브로커 데이터 품질과 심볼 행동에 따라 달라집니다.</li>
    <li>학습 시간은 하드웨어와 차트 기록 길이에 따라 다릅니다.</li>
    <li>온라인 학습은 전략 테스터에서 설계상 비활성화됩니다.</li>
</ul>


<h2>자주 묻는 질문</h2>

<p><strong>EA에 최적화가 필요한가요?</strong> AI: 아니요 — 기본값은 테스트되었습니다. 클래식 신호(MA, RSI, MACD, Ichimoku)는 심볼 및 시간대에 따라 최적화의 이점을 볼 수 있습니다.</p>
<p><strong>리페인트하나요?</strong> 아니요 — 모든 구조는 학습 전에 확인됩니다.</p>
<p><strong>즉시 거래할 수 있나요?</strong> 예 — AI가 워밍업되는 동안 클래식 신호(MA, RSI, MACD, Ichimoku)를 통해.</p>


<h2>결과</h2>

<p>EA는 심볼 및 시간대별로 별도의 모델을 학습하므로 성능은 귀하의 차트와 브로커에 따라 달라집니다. 전략 테스터에서 평가하고, 미확인 데이터 정확도를 검토하며, 상세 분석을 위해 저널을 내보내십시오.</p>
<p>거래에는 위험이 따릅니다. 실거래 전에 데모 계정에서 테스트하십시오.</p>


<h2>시작하기</h2>

<p>거래하려는 심볼과 시간대에 EA를 부착하고, 차트마다 다른 Magic Number를 사용하며, AI를 활성화하여 워밍업 기간을 허용하십시오. 기본값은 거래할 준비가 되어 있습니다. 내보내기 가능한 거래 저널을 활성화하려면 "Weight filters by DB win-rate"를 켜십시오.</p>


<h2>입력 파라미터</h2>

<p>모든 입력에는 화면 설명이 포함되어 있습니다. 기본값은 테스트된 구성입니다.</p>


<table cellspacing="0" cellpadding="2" width="100%" class="standart">
    <thead>
        <tr>
            <th>Variable Name</th>
            <th>Parameter Name</th>
            <th>Parameter Description</th>
            <th>Default</th>
        </tr>
    </thead>


    <tbody>
        <tr>
            <td colspan="4"><strong>일반</strong></td>
        </tr>


        <tr>
            <td>Expert_MagicNumber</td>
            <td>Magic number</td>
            <td>이 EA의 자체 거래를 식별하여 다른 EA 또는 수동 포지션과 혼동하지 않도록 합니다. 차트마다 다른 값을 사용하십시오.</td>
            <td>2024</td>
        </tr>


        <tr>
            <td>Expert_EveryTick</td>
            <td>Calculate on every tick</td>
            <td>모든 틱에서 신호를 재계산하거나, 새 봉이 형성될 때만 재계산합니다. 결과와 CPU 부하 모두에 영향을 미칩니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>VerboseMode</td>
            <td>Detailed panel + verbose journal</td>
            <td>끔: 평이한 언어 패널과 조용한 로그. 켬: 모델 연구를 위한 전체 기술 세부 정보 및 추가 진단.</td>
            <td>False</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Money Management</strong></td>
        </tr>


        <tr>
            <td>MM_STRATEGY / Money_FixLot_Lots</td>
            <td>MM strategy / fixed lot</td>
            <td>고정 리스크 %, Intelligent 또는 고정 로트. 두 리스크 기반 모드는 거래의 실제 스탑 거리에서 크기를 계산하므로 아래의 Risk %가 실제로 리스크에 노출되는 값입니다. Intelligent는 1/4 Kelly 추정치로 이를 축소합니다(절대 확대하지 않음). 고정 로트는 여기에서 설정된 크기로 거래합니다.</td>
            <td>Fixed risk % / 0.01</td>
        </tr>


        <tr>
            <td>Money_Risk_Percent</td>
            <td>Risk % of balance per trade</td>
            <td>거래당 리스크에 노출되는 잔고 비율. 로트 크기는 이 값과 실제 스탑 거리에서 도출되므로 어떤 스탑 모드가 선택되든 수치가 유효합니다. 또한 Intelligent 크기 조정이 축소를 시작하는 상한선이기도 합니다.</td>
            <td>1%</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Trade Management</strong></td>
        </tr>


        <tr>
            <td>tradingdirection</td>
            <td>Trade direction</td>
            <td>EA를 매수만, 매도만 또는 둘 다로 제한합니다.</td>
            <td>Both</td>
        </tr>


        <tr>
            <td>Entry_Multiplier</td>
            <td>Entry type/offset</td>
            <td>주문이 가격 대비 어디에 위치하는지: 시장가, 변동성의 1~3배 오프셋된 지정가 또는 스탑 주문, 마지막 스윙, 또는 AI 신뢰도로 스케일링된 풀백.</td>
            <td>Market</td>
        </tr>


        <tr>
            <td>SL_Mode</td>
            <td>Stop-loss mode</td>
            <td>스탑이 최근 스윙에서 얼마나 멀리 배치되는지. 앵커는 항상 Bars to analyse 창 내의 스윙 극점 — 매수는 최저 저점, 매도는 최고 고점 — 이며, 이는 패딩만 선택합니다: 고정 변동성 배수, 없음, 또는 확신이 증가함에 따라 좁아지는 적응형 패딩. 진입으로부터의 최소 거리가 항상 적용됩니다.</td>
            <td>1 x ATR from previous swing</td>
        </tr>


        <tr>
            <td>TP_Mode</td>
            <td>Take-profit mode</td>
            <td>목표가 배치되는 위치. ATR 모드는 진입으로부터의 변동성 배수를 측정합니다. Previous swing은 반대 스윙을 목표로 합니다. Intelligent는 해당 거래 자체 리스크의 배수 — 신뢰도 0에서 2.5배에서 완전 확신 시 5배까지 — 를 목표로 하여 보상:리스크 비율을 스탑과 일관되게 유지합니다.</td>
            <td>Previous opposed swing</td>
        </tr>


        <tr>
            <td>Min_Risk_Reward_Ratio</td>
            <td>Min reward:risk (reject only)</td>
            <td>거래의 보상:리스크 비율이 이 값 아래로 떨어지면 거래를 건너뜁니다. 거부만 할 뿐, 스탑이나 목표의 크기를 조정하지 않습니다.</td>
            <td>1:2</td>
        </tr>


        <tr>
            <td>TrailingStrategy</td>
            <td>Trailing stop</td>
            <td>가격이 유리하게 움직일 때 스탑이 오픈 포지션을 어떻게 추적하는지.</td>
            <td>None</td>
        </tr>


        <tr>
            <td>Signal_Expiration</td>
            <td>Pending order expiry (bars)</td>
            <td>지정가 주문이 취소되기 전에 활성 상태로 유지되는 봉 수.</td>
            <td>3 bars</td>
        </tr>


        <tr>
            <td>Confidence_Source</td>
            <td>AI confidence source</td>
            <td>적응형 스탑, 목표, 트레일링, 조기 청산 및 Intelligent 크기 조정에 어떤 신뢰도가 입력되는지.</td>
            <td>AI only</td>
        </tr>


        <tr>
            <td>Min_Vote_Open</td>
            <td>Min vote to open (AI + classic)</td>
            <td>두 엔진에 대한 통합 게이트, 0~100 스케일: 거래를 열기 위해 필요한 결합된 신호 동의량. 클래식 필터는 패턴 가중치를 기여하고, AI는 신뢰도 계층의 가중치 — 25, 50, 75 또는 100 — 를 기여하므로, 망설이는 신호는 약하게 투표하고 거의 확실한 신호는 최대 강도로 투표합니다. 별도의 AI 신뢰도 설정은 없습니다: 이 값을 높이면 더 강력한 클래식 동의를 요구하는 것과 정확히 같은 방식으로 더 자신감 있는 AI를 요구합니다.</td>
            <td>20%</td>
        </tr>


        <tr>
            <td>Min_Vote_Close</td>
            <td>Min opposite vote to close (AI + classic)</td>
            <td>두 엔진에 대한 통합 게이트: 오픈 거래를 닫기 위해 필요한 반대 방향의 결합된 신호 동의량과, AI가 단독으로 닫기 전에 포지션에 대해 얼마나 강력하게 반대해야 하는지. Min vote to open보다 높게 유지하여 거래에서 나가는 것이 진입하는 것보다 더 큰 확신을 요구하고, 포지션에 대한 짧은 깜빡임으로 닫히지 않도록 합니다. Disabled로 설정하면 신호 기반 청산을 완전히 끄고, 스탑로스, 테이크프로핏 및 트레일링만 남깁니다.</td>
            <td>80%</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Classic Signals</strong> - 학습 불필요 폴백 경로</td>
        </tr>


        <tr>
            <td>EnableMA / EnableRSI</td>
            <td>MA / RSI classic vote</td>
            <td>이동평균 및 RSI 신호를 켜거나 끕니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>PeriodMA / PeriodRSI</td>
            <td>MA / RSI period</td>
            <td>두 클래식 지표가 사용하는 기간. 투표 및 해당 AI 입력 특성에 의해 공유됩니다.</td>
            <td>50 / 14</td>
        </tr>


        <tr>
            <td>MA_Type</td>
            <td>MA type</td>
            <td>평균화 방법 — SMA, EMA, SMMA, LWMA, ALMA, DEMA, ZLEMA, T3 또는 Kalman. 투표 및 MA 입력 특성에 의해 공유됩니다.</td>
            <td>EMA</td>
        </tr>


        <tr>
            <td>EnableMACD / EnableIchimoku</td>
            <td>MACD / Ichimoku classic vote</td>
            <td>MACD 및 Ichimoku 신호를 켜거나 끕니다. MACD는 모멘텀과 가격/오실레이터 다이버전스를 추가합니다. Ichimoku는 멀티 타임프레임 지지 및 저항 구조 — 구름 위치, 선 교차, 돌파 및 후행 스팬 확인 — 를 추가합니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>MACD_PeriodFast / MACD_PeriodSlow / MACD_PeriodSignal</td>
            <td>MACD periods</td>
            <td>MACD의 빠른 EMA, 느린 EMA 및 신호선 기간. 모멘텀 및 다이버전스 민감도를 제어합니다: 빠른 기간은 가격 변화에 더 빠르게 반응하고, 느린 기간은 노이즈를 부드럽게 합니다. 제공되는 모든 조합은 유효하며, 투표 및 해당 AI 입력 특성에 의해 공유됩니다.</td>
            <td>12 / 26 / 9</td>
        </tr>


        <tr>
            <td>Ichimoku_PeriodTenkan / Ichimoku_PeriodKijun / Ichimoku_PeriodSenkou</td>
            <td>Ichimoku periods</td>
            <td>Tenkan‑sen(전환선, 단기 중간점), Kijun‑sen(기준선, 중기 중간점) 및 Senkou Span B(구름을 형성하는 장기 중간점)의 기간. 멀티 타임프레임 지지 및 저항을 제어합니다: 짧은 Tenkan/Kijun 기간은 더 빠르게 반응하고, 긴 Senkou B는 더 넓은 구름을 만듭니다. 제공되는 모든 조합은 유효하며, 투표 및 해당 AI 입력 특성에 의해 공유됩니다.</td>
            <td>9 / 26 / 52</td>
        </tr>


        <tr>
            <td colspan="4"><strong>AI Input Features</strong></td>
        </tr>


        <tr>
            <td>ind_Periods</td>
            <td>Bars to analyse</td>
            <td>AI 특성의 룩백 기간 및 스탑이 고정되는 스윙 창.</td>
            <td>20 bars</td>
        </tr>


        <tr>
            <td>VolumeData</td>
            <td>Volume data type</td>
            <td>거래량이 읽히는 모든 곳에서 사용되는 거래량 시리즈.</td>
            <td>Tick volume</td>
        </tr>


        <tr>
            <td>EnableVolume</td>
            <td>Feature: volume</td>
            <td>거래량을 이전 봉 대비 변화로 포함하여 모든 상품에서 동일한 의미를 갖도록 합니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>EnableTime</td>
            <td>Feature: time</td>
            <td>6개의 주기적 판독값 추가: 시간대, 요일, 월을 각각 사인/코사인 쌍으로 하여 23:00와 00:00, 또는 12월과 1월이 반대 극단이 아닌 인접하도록 합니다. 모델이 세션 리듬, 요일 효과 및 계절성을 읽을 수 있게 합니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>EnableATR</td>
            <td>Feature: volatility (ATR)</td>
            <td>변동성을 가격의 일부로 포함하여 상품 및 연도 간에 비교 가능하도록 유지합니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>EnableMAFeature / EnableRSIFeature</td>
            <td>Feature: Moving Average / RSI</td>
            <td>클래식 신호로 투표하는지 여부와 관계없이 MA와 RSI를 네트워크에 입력으로 공급합니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableMACDFeature / EnableIchimokuFeature</td>
            <td>Feature: MACD / Ichimoku</td>
            <td>클래식 신호로 투표하는지 여부와 관계없이 MACD와 Ichimoku를 네트워크에 입력으로 공급합니다. MACD는 3개, Ichimoku는 8개의 판독값을 추가합니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableSwingContext</td>
            <td>Feature: ZigZag swing context</td>
            <td>확인된 스윙 구조 — 마지막 스윙의 방향, 크기, 경과 시간 및 되돌림 — 그리고 가격이 최근 범위 내에서 어디에 위치하며 평균에서 얼마나 벗어났는지.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>EnableNews / NewsFeatureWindowMinutes</td>
            <td>Feature: news proximity</td>
            <td>뉴스 이벤트에 대한 근접성 — 미리 알 수 없는 결과가 아니라 — 구성 가능한 창에 걸쳐.</td>
            <td>False / 60 minutes</td>
        </tr>


        <tr>
            <td>EnableADCumulativeDelta</td>
            <td>Feature: Cumulative Delta</td>
            <td>6개의 주문 흐름 판독값 추가: 압력, 누적 델타, 매수 및 매도 측 절반 개별, 흡수(결과 없는 노력) 및 주도(결과 있는 노력).</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableADShorteningOfThrust</td>
            <td>Feature: Shortening of Thrust</td>
            <td>4개의 고갈 판독값 추가: 동일 방향의 최신 추력이 이전보다 얼마나 짧은지, 더 많은 거래량을 소모했는지, 몇 번의 푸시가 쌓였는지, 그리고 역방향 움직임이 확인된 경우에만 발동하는 것.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableADWyckoffEventStream</td>
            <td>Feature: Wyckoff Events</td>
            <td>12개의 판독값 추가: 현재 명명된 이벤트(14개 모두 — PS, SC, AR, ST, Spring, LPS, SOS 및 PSY, BC, ARB, STB, UTAD, LPSY, SOW), 가격으로부터의 변동성 정규화 거리로서의 범위 경계, 도달한 구조적 단계, 양방향 특성 변화, 4개의 기울기 구조 클래스 및 재축적/재분배 플래그.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableADWyckoffFailedStructure</td>
            <td>Feature: Wyckoff Failed Structure</td>
            <td>두 가지 실패 계열에 걸쳐 5개의 판독값 추가: 구조적 고점/저점에 도달하기 전에 반전하는 스윙, 그리고 재테스트에서 거부된 경계 돌파 — 각각 부호 있는 품질 점수 포함.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>EnableADWyckoffSignificantBarInversion</td>
            <td>Feature: Wyckoff Bar Inversion</td>
            <td>극단적 통제 전환 봉에 대한 5개의 판독값 추가: 최근 평균 대비 넓은 범위와 높은 거래량, 극점에서 마감, 변동성 게이트 통과 및 마지막 반대 중요 봉 돌파 — 그리고 통제 전환 케이스.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>AutoTuneIndicators</td>
            <td>Auto-tune indicator params</td>
            <td>활성화된 특성에 대한 최적의 파라미터 값 검색 — 룩백 창, 거래량 및 범위 배수, 스윙 민감도, 기간. 학습 중에만 실행되며 배포 시 잠기므로 승률 기록이 유효하게 유지됩니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>IndicatorTuneTrials</td>
            <td>Auto-tune trials</td>
            <td>검색이 평가하는 조합의 수. 약한 후보는 일찍 폐기되므로 더 높은 숫자는 보기보다 비용이 적게 듭니다.</td>
            <td>8</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Session Filter</strong></td>
        </tr>


        <tr>
            <td>EnableSessionFilter / SF_trade_LondonSession / SF_trade_TokyoSession / SF_trade_NewYorkSession</td>
            <td>Session filter</td>
            <td>거래를 선택한 세션으로 제한합니다. 세 가지 모두 기본적으로 켜져 있으며 00:00‑22:00 GMT를 커버합니다 — 필터는 봉당 한 번 평가되므로 단일 세션 설정은 느린 시간대의 진입 기회를 빼앗을 수 있습니다. Scheduled Close‑All에 영향을 주지 않습니다.</td>
            <td>On, all three</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Scheduled Close-All</strong></td>
        </tr>


        <tr>
            <td>targetDayOfWeek / targetHour / targetMinutes</td>
            <td>Close-all day/hour/minute</td>
            <td>선택한 요일, 시, 분에 모든 포지션과 지정가 주문을 청산합니다 — 일반적으로 주말 종료. Session Filter와 독립적으로 실행됩니다. Day = Disabled는 끄고, Every Day는 매일로 만듭니다.</td>
            <td>Friday 23:45</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Intraday Time Filter</strong></td>
        </tr>


        <tr>
            <td>EnableITF / ITF_GoodHourOfDay / ITF_BadHoursOfDay / ITF_GoodDayOfWeek / ITF_BadDaysOfWeek</td>
            <td>Intraday time filter</td>
            <td>더 세밀한 시간대 필터링을 위해 선호하는 시간과 요일, 그리고 피해야 할 시간 또는 요일을 표시합니다.</td>
            <td>On, none set</td>
        </tr>


        <tr>
            <td colspan="4"><strong>News Filter</strong></td>
        </tr>


        <tr>
            <td>EnableNewsFilter</td>
            <td>Signal: News filter</td>
            <td>뉴스 필터를 켜거나 끕니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>NF_LookMinutes / NF_MinImpact</td>
            <td>News window and impact</td>
            <td>이벤트 전후로 거래가 열리지 않는 시간(분) 및 이를 트리거하는 최소 영향 수준.</td>
            <td>60 minutes / Holidays</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Market Depth Filter</strong> - 실거래 전용</td>
        </tr>


        <tr>
            <td>EnableMarketDepth</td>
            <td>DOM imbalance filter (live)</td>
            <td>신호를 확인하거나 거부할 수 있는 호가창 불균형 확인. 실제 시장 심도 데이터를 제공하는 브로커가 필요합니다.</td>
            <td>False</td>
        </tr>


        <tr>
            <td>DOM_DepthLevels / DOM_ImbalanceScale / DOM_MaxSpreadMultiple</td>
            <td>DOM levels, influence, spread cap</td>
            <td>측면당 호가창 레벨, 불균형이 신호에 얼마나 강하게 영향을 미칠 수 있는지, 그리고 거래가 거부되는 스프레드 배수.</td>
            <td>5 / 100% / 3x</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Risk Guard</strong></td>
        </tr>


        <tr>
            <td>EnableRiskGuard</td>
            <td>Signal: Risk Guard</td>
            <td>일일 손실/드로우다운 중지를 켜거나 끕니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>MaxDailyLossPct / MaxDrawdownPct</td>
            <td>Max daily loss / drawdown %</td>
            <td>당일 손실 또는 피크 대비 드로우다운이 이 비율에 도달하면 제한이 재설정될 때까지 새로운 거래가 열리지 않습니다. 오픈 포지션은 절대 강제 청산되지 않습니다.</td>
            <td>Disabled</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Trade Journal / Ranking</strong></td>
        </tr>


        <tr>
            <td>UseDatabaseRanking</td>
            <td>Weight filters by DB win-rate</td>
            <td>각 신호 패턴이 이 EA의 자체 기록에서 어떻게 수행되었는지 추적하고 영향력을 효과적인 것으로 이동합니다. 또한 Report 버튼이 내보내는 저널을 활성화합니다 — 거래 저널을 사용하려면 이것을 켜십시오.</td>
            <td>False</td>
        </tr>


        <tr>
            <td colspan="4"><strong>Neural Network</strong></td>
        </tr>


        <tr>
            <td>AIType</td>
            <td>AI algorithm</td>
            <td>어떤 네트워크가 학습하고 거래할지 선택 — Perceptron, Convolutional, LSTM 또는 Hybrid — 또는 Disabled, MA/RSI만으로 폴백. 기본값은 Market 빌드에서 Disabled, 프라이빗 빌드에서 Hybrid이므로 새 설치 시 즉시 거래하거나 전체 AI 스택으로 시작합니다.</td>
            <td>Disabled / Hybrid</td>
        </tr>


        <tr>
            <td>TrainingOptimizer / OutputNeuronsCount</td>
            <td>Optimizer and output type</td>
            <td>어떤 알고리즘이 가중치를 업데이트하는지, 그리고 3방향 매수/매도/중립 분류기로 학습하는지 단일 값 회귀로 학습하는지.</td>
            <td>Adam / Classification</td>
        </tr>


        <tr>
            <td>InitialNeurons / MinNeuronsCount / NeuronsReduction / LstmHiddenSize / ConvFilterCount / ConvPoolWindow / ConvPoolStep</td>
            <td>Network shape</td>
            <td>네트워크 토폴로지: 첫 번째 레이어의 뉴런, 축소되는 레이어가 그 이하로 줄어들 수 없는 하한, 각 레이어가 축소되는 비율, 그리고 LSTM, Convolutional, Hybrid 유형이 사용하는 메모리, 필터, 풀링 창 및 풀링 스텝 크기. 이제 AI 선택기가 직접 프리셋을 선택합니다: MLP 3L / 4L, CONV 2L, LSTM 2L, Hybrid 2L 또는 Disabled.</td>
            <td>500 / 20 / 70% / 32 / 16 / 3 / 2</td>
        </tr>


        <tr>
            <td>StudyPeriods</td>
            <td>Training years</td>
            <td>네트워크가 학습하는 차트 기록의 연수.</td>
            <td>10 years</td>
        </tr>


        <tr>
            <td>OOSSplit</td>
            <td>Out-of-sample holdout</td>
            <td>보류되어 학습에 절대 사용되지 않는 기록의 비율로, 미확인 데이터 성능 측정에만 사용됩니다.</td>
            <td>30%</td>
        </tr>


        <tr>
            <td>MinRecall</td>
            <td>Min per-class OOS recall %</td>
            <td>모델이 실거래되기 전에 보류 데이터에서 매수, 매도, 중립의 각 클래스가 얼마나 잘 인식되어야 하는지, 한 방향을 무시하고 배포될 수 없도록 합니다. 이는 3방향 분류이며 거래 승률이 아닙니다 — 무작위 추측은 약 33%를 득점합니다. 정확도 목표는 없습니다: 학습은 개선이 멈출 때까지 실행된 다음 최고의 모델을 배포합니다.</td>
            <td>40%</td>
        </tr>


        <tr>
            <td>AILogitPriorStrength</td>
            <td>AI: prior correction to true base rate</td>
            <td>전환점은 드물기 때문에 네트워크는 균형 잡힌 데이터에서 학습하며, 그렇지 않으면 매수와 매도를 너무 많이 호출합니다. 이는 각 답변을 실제 발생 빈도로 재가중치 부여하여 실거래가 학습 수치에 더 가깝게 수행되도록 합니다. 높을수록 = 실제 기본 비율로의 더 강한 보정.</td>
            <td>25%</td>
        </tr>


        <tr>
            <td>OversampleParity</td>
            <td>AI: oversample parity</td>
            <td>정밀도/빈도 다이얼: 낮을수록 더 적지만 더 선택적인 매수/매도 호출, 높을수록 더 많은 호출. 중립은 의도적으로 더 무겁게 유지되므로, 이는 주로 모델이 방향성 클래스를 얼마나 공격적으로 호출하는지를 지배합니다.</td>
            <td>60%</td>
        </tr>


        <tr>
            <td>FocalLossGamma</td>
            <td>Focal-loss gamma</td>
            <td>학습이 분류하기 어려운 봉에 얼마나 강력하게 집중하는지. 0은 단순 클래스 균형을 위해 비활성화하고, 1.0은 여기서 사용되는 더 가벼운 기본값입니다.</td>
            <td>1.0</td>
        </tr>


        <tr>
            <td>SwingConfirmationBars</td>
            <td>Swing confirm bars (label)</td>
            <td>스윙 반전 후보 후 학습을 위해 신뢰하기 전에 기다릴 봉 수, 최근 스윙은 여전히 모양이 변할 수 있기 때문입니다.</td>
            <td>100 bars</td>
        </tr>


        <tr>
            <td>EnableOnlineLearning</td>
            <td>AI: keep learning live from confirmed bars</td>
            <td>배포 후, 실시간 차트에서 새로 확인된 구조에 모델을 계속 적응시킵니다. 최근 정확도가 유지되는 동안에만 해당됩니다. 전략 테스터에서는 효과가 없습니다.</td>
            <td>True</td>
        </tr>


        <tr>
            <td>SignalClusterWindow / MaxErasPerRun</td>
            <td>Decluster window / max eras</td>
            <td>이 봉 수 내에서 연속된 동일 방향 화살표를 하나로 병합하고(표시 전용), EA가 확인하기 전에 실행되는 학습 패스 수를 제한합니다.</td>
            <td>6 / 1000</td>
        </tr>


        <tr>
            <td colspan="4"><strong>NN Optimizer / Performance</strong></td>
        </tr>


        <tr>
            <td>AdamLearningRate / AdamBeta1 / AdamBeta2</td>
            <td>Adam optimizer settings</td>
            <td>Adam 옵티마이저의 학습률 및 감쇠율(Optimizer = Adam일 때 사용). 기본값은 표준 게시 값이며 변경이 거의 필요하지 않습니다.</td>
            <td>0.0003 / 0.9 / 0.999</td>
        </tr>


        <tr>
            <td>SgdLearningRate / SgdMomentum</td>
            <td>SGD optimizer settings</td>
            <td>SGD+모멘텀 옵티마이저의 학습률 및 모멘텀(Optimizer = SGD일 때 사용).</td>
            <td>0.0003 / 0.9</td>
        </tr>
    </tbody>
</table>


<h2>최종 참고 사항</h2>

<p>Warrior EA는 외부 의존성이나 수동 최적화 없이 적응형 자동화를 원하는 트레이더를 위해 설계되었습니다. 학습 패널을 검토하고, 미확인 데이터 정확도를 확인하며, 더 깊은 통찰력을 위해 거래 저널을 탐색하십시오.</p>