隆重推出 Warrior EA – 适用于任何市场的自训练神经网络

Warrior EA 在您附加的图表上直接训练自己的神经网络。它从您的交易品种的历史中学习，在未见过的数据上自我评估，只有在模型表现出可靠行为后才会进行交易。该 EA 支持任何交易品种和任何时间周期，自然适应不同的市场条件。

交易策略

该 EA 可以使用其自训练 AI 或经典多指标路径（MA、RSI、MACD、Ichimoku）进行操作。神经网络读取价格行为、波动性、成交量、周期性时间结构和确认的波动结构，形成买入、卖出或中性分类。

在训练期间，一部分历史数据被保留，确保仅在模型未见过的数据上衡量准确性。当 AI 和经典路径都启用时，它们共同投票以实现稳定的决策。

主要功能

  1. 自训练神经网络：感知器、卷积、LSTM 或混合架构。
  2. 未见数据验证：模型在进入实盘之前必须可靠地识别买入、卖出和中性。
  3. 自适应学习：部署后的模型继续调整以适应新确认的结构。
  4. Wyckoff 上下文：可选的结构性读数，用于吸筹、派发、衰竭和控制转换。
  5. 经典信号：在 AI 预热期间，可使用 MA、RSI、MACD 和 Ichimoku 路径。
  6. 无需外部软件：仅原生 MQL5/OpenCL——在任何 VPS 或云端代理上无需更改即可运行。

风险管理

止损锚定在最近的波动极值点，具有可选的波动性缓冲或自适应距离。仓位大小根据实际止损距离计算，因此始终尊重所选择的风险百分比。

目标可以使用波动性倍数、相反的波动或基于置信度的自适应回报。提供每日亏损和回撤限制，以实现纪律性交易。

交易日志与自排名数据库

每笔已平仓交易都会写入本地数据库：进场和出场价格、止损和目标、手数、实际盈利/亏损、最大不利/有利偏移（以 R 倍数计）、AI 置信度、数据库置信度、出场原因和触发模式。

一旦启用"Weight filters by DB win-rate"，这将自动运行。

同样的历史数据为经典信号的自排名系统提供支持：每个模式的胜率随时间被追踪，其影响力相应缩放，因此对您的交易品种和时间周期实际有效的模式获得更多权重。

Report 按钮将完整历史导出为 CSV：总体胜率、平均 R 倍数、按小时/天细分、置信度区间以及基于重复出现的弱点的通俗语言建议。每笔原始交易都包含在内，以便进行更深入的分析。

优势

内部工作流程（摘要）

注意事项

常见问题

EA 需要优化吗？AI：不需要——默认值已经过测试。经典信号（MA、RSI、MACD、Ichimoku）可能根据交易品种和时间周期从优化中受益。

它会重绘吗？不会——所有结构在训练前都已确认。

它可以立即交易吗？可以——在 AI 预热期间通过经典信号（MA、RSI、MACD、Ichimoku）交易。

结果

该 EA 为每个交易品种和时间周期训练一个单独的模型，因此性能取决于您自己的图表和经纪商。在策略测试器中评估它，检查未见数据准确性，并导出日志以进行详细分析。

交易涉及风险。在实盘使用之前，请在模拟账户上进行测试。

开始使用

将 EA 附加到您打算交易的交易品种和时间周期上，每个图表使用不同的 Magic Number，并启用 AI 以允许预热期。默认值已准备好进行交易。要启用可导出的交易日志，请打开"Weight filters by DB win-rate"。

输入参数

每个输入都包含屏幕描述。默认值是经过测试的配置。

Variable Name Parameter Name Parameter Description Default
常规
Expert_MagicNumber Magic number 标识此 EA 自身的交易，使其绝不会与另一个 EA 或手动仓位混淆。每个图表使用不同的值。 2024
Expert_EveryTick Calculate on every tick 每个 tick 重新计算信号，或仅在形成新 K 线时计算。同时影响结果和 CPU 负载。 False
VerboseMode Detailed panel + verbose journal 关闭：通俗语言面板和安静的日志。开启：完整的技术细节和额外的诊断信息，用于研究模型。 False
Money Management
MM_STRATEGY / Money_FixLot_Lots MM strategy / fixed lot 固定风险百分比、Intelligent 或固定手数。两种基于风险的模式均从交易的实际止损距离计算仓位大小，因此下方的 Risk % 是实际承受的风险；Intelligent 根据四分之一 Kelly 估计将其缩小（从不放大）。固定手数按此处设定的大小交易。 Fixed risk % / 0.01
Money_Risk_Percent Risk % of balance per trade 每笔交易承担风险的账户余额百分比。手数由此和实际止损距离导出，因此无论选择哪种止损模式，该数值均有效。也是 Intelligent 仓位大小缩放的起始上限。 1%
Trade Management
tradingdirection Trade direction 将 EA 限制为仅买入、仅卖出或两者。 Both
Entry_Multiplier Entry type/offset 订单相对于价格的位置：市价、偏移 1‑3 倍波动性的限价或止损单、在最后波动位置，或按 AI 置信度缩放的回落。 Market
SL_Mode Stop-loss mode 止损在最近波动之外多远的位置。锚点始终是 Bars to analyse 窗口内的波动极值——买入为最低低点，卖出为最高高点——此选项仅选择缓冲：固定波动性倍数、无缓冲或随确信度增加而收紧的自适应缓冲。始终强制执行距入场的最小距离。 1 x ATR from previous swing
TP_Mode Take-profit mode 目标的位置。ATR 模式从入场处测量波动性倍数；Previous swing 瞄准相反的波动；Intelligent 瞄准该交易自身风险的倍数——从零置信度的 2.5 倍到完全确信的 5 倍——保持回报:风险比与止损一致。 Previous opposed swing
Min_Risk_Reward_Ratio Min reward:risk (reject only) 如果交易的回报:风险比低于此值，则跳过该交易。仅拒绝；绝不调整止损或目标的大小。 1:2
TrailingStrategy Trailing stop 当价格向有利方向移动时，止损如何跟踪持仓。 None
Signal_Expiration Pending order expiry (bars) 挂单在取消前保持活跃的 K 线数。 3 bars
Confidence_Source AI confidence source 哪些置信度为自适应止损、目标、跟踪、提前出场和 Intelligent 仓位大小提供输入。 AI only
Min_Vote_Open Min vote to open (AI + classic) 两个引擎的统一门槛，0‑100 标度：开仓需要多少综合信号一致。经典过滤器贡献其模式权重；AI 贡献其置信度层级的权重——25、50、75 或 100——因此犹豫的信号投票较弱，近乎确定的信号以全力投票。没有单独的 AI 置信度设置：提高此值要求更有信心的 AI，就像它要求更强的经典一致一样。 20%
Min_Vote_Close Min opposite vote to close (AI + classic) 两个引擎的统一门槛：需要多少反向综合信号一致才能关闭持仓，以及 AI 必须对持仓反转多强才能单独关闭它。保持在 Min vote to open 以上，因此退出交易比进入交易需要更强的确信，并且短时间对持仓不利的小波动不会关闭它。设置为 Disabled 可完全关闭信号驱动的退出，仅保留止损、止盈和跟踪。 80%
Classic Signals - 无需训练的后备路径
EnableMA / EnableRSI MA / RSI classic vote 打开或关闭移动平均线和 RSI 信号。 True
PeriodMA / PeriodRSI MA / RSI period 两个经典指标使用的周期。由投票和匹配的 AI 输入特征共享。 50 / 14
MA_Type MA type 平均方法——SMA、EMA、SMMA、LWMA、ALMA、DEMA、ZLEMA、T3 或 Kalman。由投票和 MA 输入特征共享。 EMA
EnableMACD / EnableIchimoku MACD / Ichimoku classic vote 打开或关闭 MACD 和 Ichimoku 信号。MACD 增加动量和价格/振荡器背离；Ichimoku 增加多时间周期支撑和阻力结构——云层位置、线交叉、突破和滞后跨度确认。 False
MACD_PeriodFast / MACD_PeriodSlow / MACD_PeriodSignal MACD periods MACD 中快速 EMA、慢速 EMA 和信号线的周期。控制动量和背离敏感性：更快的周期对价格变化反应更快，更慢的周期平滑噪音。提供的每种组合都是有效的，并由投票和匹配的 AI 输入特征共享。 12 / 26 / 9
Ichimoku_PeriodTenkan / Ichimoku_PeriodKijun / Ichimoku_PeriodSenkou Ichimoku periods Tenkan‑sen（转换线，短期中点）、Kijun‑sen（基准线，中期中点）和 Senkou Span B（形成云层的长期中点）的周期。控制多时间周期支撑和阻力：更短的 Tenkan/Kijun 周期反应更快，更长的 Senkou B 创建更宽的云层。提供的每种组合都是有效的，并由投票和匹配的 AI 输入特征共享。 9 / 26 / 52
AI Input Features
ind_Periods Bars to analyse AI 特征的回溯窗口，以及止损锚定的波动窗口。 20 bars
VolumeData Volume data type 在读取成交量的所有地方使用哪个成交量序列。 Tick volume
EnableVolume Feature: volume 将成交量作为相对于前一根 K 线的变化包含在内，因此它在任何交易品种上含义相同。 True
EnableTime Feature: time 添加 6 个循环读数：一天中的时间、一周中的天和一年中的月，每个为正弦/余弦对，因此 23:00 和 00:00，或十二月和一月，是相邻的而不是相反的极端。让模型能够读取交易时段节奏、工作日效应和季节性。 True
EnableATR Feature: volatility (ATR) 将波动性作为价格的一部分包含在内，因此在不同交易品种和年份之间保持可比性。 True
EnableMAFeature / EnableRSIFeature Feature: Moving Average / RSI 将 MA 和 RSI 作为输入馈送到网络，独立于它们是否也作为经典信号投票。 False
EnableMACDFeature / EnableIchimokuFeature Feature: MACD / Ichimoku 将 MACD 和 Ichimoku 作为输入馈送到网络，独立于它们是否也作为经典信号投票。MACD 增加 3 个读数，Ichimoku 增加 8 个。 False
EnableSwingContext Feature: ZigZag swing context 确认的波动结构——最后波动的方向、大小、年龄和回撤——加上价格在其最近区间内的位置以及偏离其均值的距离。 True
EnableNews / NewsFeatureWindowMinutes Feature: news proximity 在可配置的时间窗口内靠近新闻事件——不是结果，因为结果无法提前知道。 False / 60 minutes
EnableADCumulativeDelta Feature: Cumulative Delta 添加 6 个订单流读数：压力、累积 delta、买方和卖方各半分开、吸收（无结果的努力）和主动（有结果的努力）。 False
EnableADShorteningOfThrust Feature: Shortening of Thrust 添加 4 个衰竭读数：最新同方向推力的长度比前一次短多少、是否花费了更多成交量、积累了多少次推力，以及仅在反向移动确认后才触发的一个。 False
EnableADWyckoffEventStream Feature: Wyckoff Events 添加 12 个读数：当前命名事件（全部 14 个——PS、SC、AR、ST、Spring、LPS、SOS 以及 PSY、BC、ARB、STB、UTAD、LPSY、SOW）、以波动性归一化距离计的价格到区间边界、达到的结构阶段、双向特征变化、四个倾斜结构类别以及再吸筹/再派发标志。 False
EnableADWyckoffFailedStructure Feature: Wyckoff Failed Structure 在两个失败族系中添加 5 个读数：在达到结构性高/低点之前转向的波动，以及在重测时被拒绝的边界突破——每个都有带符号的质量评分。 False
EnableADWyckoffSignificantBarInversion Feature: Wyckoff Bar Inversion 为极端控制转移 K 线添加 5 个读数：相对于近期均值的大范围和高成交量、在极端价位收盘、突破波动性门槛并突破最后一根相反的重要 K 线——加上控制翻转情况。 False
AutoTuneIndicators Auto-tune indicator params 为已启用的特征搜索最佳参数值——回溯窗口、成交量和区间倍数、波动敏感性、周期。仅在训练期间运行；它们在部署时锁定，因此胜率历史保持有效。 False
IndicatorTuneTrials Auto-tune trials 搜索评估多少种组合。弱候选者会被早期丢弃，因此更高的数字成本比看起来低。 8
Session Filter
EnableSessionFilter / SF_trade_LondonSession / SF_trade_TokyoSession / SF_trade_NewYorkSession Session filter 将交易限制在选定的交易时段。三个均默认开启，涵盖 00:00‑22:00 GMT——过滤器每根 K 线评估一次，因此单时段设置可能使慢速时间周期缺乏入场机会。不影响 Scheduled Close‑All。 On, all three
Scheduled Close-All
targetDayOfWeek / targetHour / targetMinutes Close-all day/hour/minute 在选定的日、时、分关闭所有仓位和挂单——通常是周末收盘。独立于 Session Filter 运行。Day = Disabled 将其关闭，Every Day 使其每天执行。 Friday 23:45
Intraday Time Filter
EnableITF / ITF_GoodHourOfDay / ITF_BadHoursOfDay / ITF_GoodDayOfWeek / ITF_BadDaysOfWeek Intraday time filter 标记首选的时段和天，以及要避免的时段或天，以实现更精细的日内时间过滤。 On, none set
News Filter
EnableNewsFilter Signal: News filter 打开或关闭新闻过滤器。 True
NF_LookMinutes / NF_MinImpact News window and impact 事件前后多少分钟内不打开交易，以及触发此行为的最低影响级别。 60 minutes / Holidays
Market Depth Filter - 仅限实盘交易
EnableMarketDepth DOM imbalance filter (live) 订单簿不平衡检查，可以确认或否决信号。需要提供真实市场深度数据的经纪商。 False
DOM_DepthLevels / DOM_ImbalanceScale / DOM_MaxSpreadMultiple DOM levels, influence, spread cap 每边订单簿档位、不平衡可以多强力地影响信号，以及超过该点差倍数则否决交易。 5 / 100% / 3x
Risk Guard
EnableRiskGuard Signal: Risk Guard 打开或关闭每日亏损/回撤停止。 True
MaxDailyLossPct / MaxDrawdownPct Max daily loss / drawdown % 一旦当日亏损或从峰值的回撤达到这些百分比，在限制重置之前不会打开新交易。持仓从不被强制平仓。 Disabled
Trade Journal / Ranking
UseDatabaseRanking Weight filters by DB win-rate 跟踪每个信号模式在此 EA 自身历史中的表现，并将影响力转移到有效的模式上。同时启用 Report 按钮导出的日志——打开此项以使用交易日志。 False
Neural Network
AIType AI algorithm 选择训练和交易的网络——Perceptron、Convolutional、LSTM 或 Hybrid——或 Disabled，退回到仅 MA/RSI。默认在 Market 版本中为 Disabled，在私有版本中为 Hybrid，因此全新安装要么立即交易，要么以完整 AI 堆栈启动。 Disabled / Hybrid
TrainingOptimizer / OutputNeuronsCount Optimizer and output type 哪个算法更新权重，以及是作为三路买入/卖出/中性分类器训练还是作为单值回归训练。 Adam / Classification
InitialNeurons / MinNeuronsCount / NeuronsReduction / LstmHiddenSize / ConvFilterCount / ConvPoolWindow / ConvPoolStep Network shape 网络拓扑：第一层的神经元数、收缩层的最小下限、每层收缩的百分比，以及 LSTM、Convolutional 和 Hybrid 类型使用的记忆、过滤器、池化窗口和池化步长大小。AI 选择器本身现在选择预设：MLP 3L / 4L、CONV 2L、LSTM 2L、Hybrid 2L 或 Disabled。 500 / 20 / 70% / 32 / 16 / 3 / 2
StudyPeriods Training years 网络训练多少年的图表历史。 10 years
OOSSplit Out-of-sample holdout 保留且从未用于训练的历史份额，仅用于衡量未见数据上的性能。 30%
MinRecall Min per-class OOS recall % 在每个类别的保留数据上，买入、卖出和中性必须被识别到什么程度，模型才能进入实盘，因此不能通过忽略一个方向来发布。这是三路分类，不是交易胜率——随机猜测得分约为 33%。没有准确度目标：训练运行直到不再改善，然后部署其最佳模型。 40%
AILogitPriorStrength AI: prior correction to true base rate 转折点很少见，因此网络在平衡数据上训练，否则会做出太多买入和卖出判断。这根据实际发生的频率重新加权每个答案，因此实盘交易更接近训练数据。越高 = 对真实基准率的修正越强。 25%
OversampleParity AI: oversample parity 精确度/频率调节旋钮：较低给出较少但更具选择性的买入/卖出判断，较高给出更多。中性故意保持更重，因此这主要控制模型调用方向性类别的激进程度。 60%
FocalLossGamma Focal-loss gamma 训练在多大程度上集中于难以分类的 K 线。0 将其禁用，转而使用简单的类别平衡，而 1.0 是此处使用的较轻默认值。 1.0
SwingConfirmationBars Swing confirm bars (label) 在候选波动反转后，在信任其用于训练之前需等待的 K 线数，因为最近的波动仍可能改变形状。 100 bars
EnableOnlineLearning AI: keep learning live from confirmed bars 部署后，在实盘图表上继续根据新确认的结构调整模型，仅在近期准确率保持时才进行。在策略测试器中无效。 True
SignalClusterWindow / MaxErasPerRun Decluster window / max eras 将此 K 线数内连续的同方向箭头合并为一个（仅显示），并限制 EA 检查前运行的训练轮数。 6 / 1000
NN Optimizer / Performance
AdamLearningRate / AdamBeta1 / AdamBeta2 Adam optimizer settings Adam 优化器的学习率和衰减率（在 Optimizer = Adam 时使用）。默认值为标准的已发布值，极少需要更改。 0.0003 / 0.9 / 0.999
SgdLearningRate / SgdMomentum SGD optimizer settings SGD+momentum 优化器的学习率和动量（在 Optimizer = SGD 时使用）。 0.0003 / 0.9

最后说明

Warrior EA 专为希望在没有外部依赖或手动优化的情况下实现自适应自动化的交易者而设计。查看训练面板，检查未见数据准确性，并探索交易日志以获取更深入的见解。