Loading...
Loading...
Semua ulasan, peringkat, panduan, strategi, dan dokumen kepercayaan.
Glosarium
Setiap istilah yang kami gunakan di seluruh platform Sinyal AI, didefinisikan dalam bahasa sederhana dan dirujuk silang ke halaman metodologi.
54 / 54
Skor 0-100% pada setiap kartu sinyal.
Probabilitas komposit yang diberikan model untuk keberhasilan sinyal. Dihitung sebagai 0.5×P_ml + 0.3×confluence + 0.2×hit rate historis. Di bawah 60% → tidak dipublikasikan. 75-89% → kepercayaan tinggi. 90%+ → premium (jarang).
Juga dikenal sebagai: Probabilitas model
Output probabilitas mentah dari model LightGBM.
Setelah Platt scaling, P_ml adalah probabilitas nyata — 0.7 berarti model secara historis akurat 70% pada vektor fitur serupa selama validasi out-of-sample. Memasuki rumus kepercayaan dengan bobot terbesar (0.5).
Membuat probabilitas model berarti apa yang mereka katakan.
Model yang menghasilkan 0.7 tetapi hanya benar 50% dari waktu tidak terkalibrasi. Kami menggunakan Platt scaling pada set validasi yang ditahan sehingga probabilitas yang ditampilkan sebenarnya cocok dengan hit rate empiris pada data out-of-sample.
Lapisan regresi logistik yang mengkalibrasi skor model mentah.
Memetakan output mentah model ke probabilitas sejati melalui regresi logistik kecil yang dipasang pada data yang ditahan. Setelah Platt scaling, score=0.7 berarti "konfigurasi ini menang 70% dari waktu pada jendela out-of-sample".
Juga dikenal sebagai: Win rate
Winrate out-of-sample berjalan untuk tuple (simbol, timeframe, versi model).
Fraksi berjalan 90 hari dari TP-hit pada versi model tertentu. Memasuki rumus kepercayaan dengan bobot 0.2. Default cold-start ke 0.55 untuk versi model yang baru dipromosikan sampai 90 hari data live terakumulasi.
Library pohon keputusan gradient-boosted dari Microsoft — engine ML di balik setiap sinyal.
Kami melatih satu ensemble LightGBM per tuple (simbol, timeframe) — total 40. Dipilih dibandingkan deep neural network karena untuk data finansial tabular dengan sampel terbatas, gradient-boosted trees mengalahkan deep net dalam Sharpe dan interpretabilitas dengan biaya pelatihan 10× lebih rendah (Grinsztajn 2022, NeurIPS).
Secara sistematis menghapus fitur untuk memverifikasi bahwa setiap fitur membantu.
Untuk setiap fitur kandidat, latih ulang model dengan fitur ditahan. Jika Sharpe out-of-sample tidak turun, fitur tidak membantu dan dipotong. 82 fitur final kami lolos ablation dari 140+ kandidat.
Skema pelabelan: penghalang exit TP / SL / TTL bukan return horizon tetap.
Menurut López de Prado (Advances in Financial Machine Learning, 2018). Setiap bar pelatihan diberi label dengan hasil yang akan terjadi dari entri tersebut: TP tercapai (+1), SL tercapai (-1), atau TTL berlalu (0). Jauh lebih sedikit label leakage daripada label "return pada t+N" yang naif.
Latih di jendela masa lalu, validasi di jendela berikutnya, majukan, ulangi.
Latih pada jendela 6 bulan, validasi pada jendela 1 bulan berikutnya, majukan keduanya 1 bulan, ulangi. Pengurutan temporal ketat — tidak pernah pengacakan acak. Model yang gagal pada ambang batas penerimaan di seluruh catatan walk-forward lengkap tidak dipromosikan ke produksi.
Pengaturan model (kedalaman pohon, learning rate) yang dipilih sebelum pelatihan, bukan dipelajari dari data.
Disetel via Optuna pada split 70/15/15 train/val/test dengan batas walk-forward. Termasuk num_leaves dari LightGBM, learning_rate, feature_fraction, lambda_l2. Disetel ulang pada setiap pelatihan ulang mingguan hanya jika Sharpe hyperparameter sebelumnya melayang lebih dari 0.3.
Rekomendasi yang dipublikasikan untuk masuk ke trade dengan entry / SL / TP spesifik.
Dihasilkan oleh pipeline (lihat metodologi). Membawa arah (long/short), harga entri, stop-loss, take-profit, target R, kepercayaan, TTL, dan versi model yang menghasilkannya. Hidup dalam log append-only dari publikasi hingga hasil.
Juga dikenal sebagai: Harga entri
Harga di mana sinyal merekomendasikan pembukaan posisi.
Selalu harga penutupan bar di mana sinyal dihasilkan. Untuk sinyal tier GUEST, entri disembunyikan (`null`) — hanya tier REGISTERED dan di atas yang melihat harga sebenarnya. Halaman sinyal menandai kartu GUEST dengan `blurred: true`.
Juga dikenal sebagai: SL
Harga exit yang telah ditentukan yang membatasi kerugian jika trade bergerak melawan kami.
Dihitung sebagai entry ± ATR(14) × stop_multiplier. Pengali bervariasi berdasarkan timeframe: M15=1.0, H1=1.5, H4=2.0, D1=2.5. Cukup ketat sehingga kebisingan acak tidak memicunya; cukup lebar sehingga pullback normal juga tidak. Tidak pernah dipindahkan setelah publikasi.
Juga dikenal sebagai: TP
Harga exit yang telah ditentukan di mana posisi ditutup dalam keuntungan.
TP = entry ± ATR(14) × stop_multiplier × R_target. R_target adalah 1.5-3.0 tergantung pada kepercayaan — sinyal kepercayaan tinggi membawa target R lebih tinggi. Selalu diatur sehingga rasio risk-reward setidaknya 1.5R.
Juga dikenal sebagai: R
Unit risiko standar: 1R = jarak dari entri ke SL.
Jika SL Anda 50 pip di bawah entri, itu adalah 1R Anda. Mencapai TP pada 100 pip di atas entri = +2R. Mencapai SL = -1R. R-multiple menormalkan di seluruh simbol dan timeframe — kemenangan 2R pada EURUSD H1 dan kemenangan 2R pada XAUUSD H4 mewakili keuntungan yang disesuaikan risiko yang sama.
Juga dikenal sebagai: Time-to-live, kedaluwarsa
Masa hidup maksimum sinyal sebelum kedaluwarsa tanpa terisi.
TTL default per timeframe: M15=6 bar, H1=12 bar, H4=12 bar, D1=5 bar. Jika TP maupun SL tidak tercapai dalam TTL, sinyal ditandai `expired` — tidak dihitung sebagai menang maupun kalah dalam metrik track record.
Sinyal tier GUEST di mana entry / SL / TP disembunyikan.
Backend mengatur `blurred: true` dan mengosongkan entry_price, stop_loss, take_profit untuk tier GUEST (pengunjung anonim). Arah dan kepercayaan masih terlihat. UI menampilkan kartu dengan overlay blur + CTA upgrade. Tier REGISTERED dan di atas melihat semua angka.
Sinyal internal yang diblokir oleh overlay makro sebelum publikasi.
Ketika peristiwa ekonomi berdampak tinggi yang tertunda jatuh dalam event_window_hours, sinyal diveto — tidak pernah dipublikasikan, tidak pernah terlihat oleh pengguna. Veto dicatat secara internal tetapi dikecualikan dari metrik track record (mereka tidak pernah dapat ditindaklanjuti).
Sinyal di mana TTL berlalu tanpa TP atau SL tercapai.
Dihitung sebagai tidak menang maupun kalah dalam track record. Biasanya disebabkan oleh rezim volatilitas rendah di mana bar tidak bergerak cukup untuk mencapai salah satu penghalang. Dilacak secara terpisah dalam ringkasan kinerja (`n_expired`).
Kesepakatan di beberapa sinyal teknis pada arah.
Skor 0-1 dari 5 sub-pemeriksaan: penyelarasan multi-timeframe, kedekatan S/R, divergensi RSI, cross signal-line MACD, penyelarasan tumpukan EMA. Dibobotkan setara. Memasuki rumus kepercayaan dengan bobot 0.3. Konfluensi tinggi + P_ml tinggi = sinyal premium.
Juga dikenal sebagai: Sharpe Tahunan
(Rata-rata return − risk-free rate) / standar deviasi, ditahunkan.
Metrik return yang disesuaikan risiko standar. Sharpe 1.0+ baik untuk layanan sinyal trading yang dipublikasikan secara publik; 2.0+ jarang dan berarti; 3.0+ adalah tier hedge fund (dan biasanya melibatkan infrastruktur yang tidak dimiliki trader ritel). Digunakan sebagai gerbang penerimaan walk-forward.
Juga dikenal sebagai: PF
R menang kotor / R kalah kotor.
Jika trade yang menang bersih +50R dan trade yang kalah bersih -20R, profit factor = 2.5. Profit factor di bawah 1.0 berarti sistem kehilangan uang. Di atas 1.5 solid; di atas 2.0 kuat. Ambang batas penerimaan walk-forward adalah ≥ 1.5.
Fraksi sinyal di mana TP tercapai sebelum SL.
Sinyal kedaluwarsa dikecualikan dari pembilang dan penyebut. Dengan target R khas kami 2.0, win rate 50% menguntungkan; 55% baik; 60%+ jarang. Jangan terpaku pada win rate saja — rata-rata R-multiple lebih penting untuk P&L aktual.
Juga dikenal sebagai: Max drawdown, DD
Kerugian puncak-ke-palung terbesar dalam R-multiple dalam jendela.
Drawdown -8R berarti P&L berjalan turun 8R di bawah puncak sebelumnya pada suatu titik. Ambang batas penerimaan walk-forward adalah ≤ 15R dalam jendela pelatihan 6 bulan. Drawdown berjalan-30-sinyal pemantauan live memicu auto-rollback jika melampaui ambang batas.
Juga dikenal sebagai: R:R, target R
Berapa banyak yang berdiri untuk Anda menangkan dibandingkan dengan apa yang Anda pertaruhkan pada trade.
Target R 2.0 berarti untuk setiap 1R yang Anda pertaruhkan (entri → jarak SL), Anda menargetkan 2R di sisi positif (entri → jarak TP). Dengan win rate 50% pada 2R, nilai yang diharapkan positif: 0.5 × +2R + 0.5 × -1R = +0.5R per sinyal.
Berapa banyak akun Anda yang Anda pertaruhkan pada satu sinyal.
Bukan sesuatu yang kami atur — itu keputusan Anda. Ukuran yang bijaksana standar: pertaruhkan 0.5%-1% akun per sinyal. Untuk sinyal risiko-akun 2% dengan SL 50-pip pada EURUSD, itu adalah ukuran posisi sehingga 50 pip × nilai pip = 2% dari ekuitas.
Kuantitas posisi forex standar. 1 lot standar = 100,000 mata uang dasar.
Mini = 0.1 lot (10,000), Micro = 0.01 lot (1,000), Nano = 0.001 lot (100). Nilai pip berskala linier dengan ukuran lot — 1 pip pada EURUSD ≈ $10 per lot standar, $1 per mini, $0.10 per micro.
Pergerakan harga standar terkecil dalam pasangan forex — 0.0001 untuk sebagian besar major, 0.01 untuk pasangan JPY.
Pip = "percentage in point". Untuk EURUSD pada 1.0850, bergerak ke 1.0851 adalah +1 pip. Untuk USDJPY pada 145.20, bergerak ke 145.21 adalah +1 pip. Jarak SL/TP kami biasanya 30-150 pip tergantung pada volatilitas simbol (berskala ATR, tidak tetap).
Jadwal rilis data ekonomi berdampak tinggi dan peristiwa bank sentral yang akan datang.
Backend kami mengkueri feed kalender Forex Factory, diperiksa silang dengan Bloomberg. Peristiwa berdampak tinggi/menengah pada mata uang dalam pasangan sinyal dalam event_window_hours memveto sinyal. Endpoint API kalender adalah `/api/public/economic-calendar`.
Rilis ekonomi dengan reaksi pasar yang secara historis besar — NFP, CPI, FOMC, dll.
Forex Factory menandai peristiwa merah/oranye/kuning berdasarkan dampak volatilitas historis. Peristiwa merah (berdampak tinggi) selalu memicu veto dalam mata uang yang relevan. Oranye (berdampak menengah) memicu veto hanya jika dalam event_window yang lebih ketat (1 jam untuk M15/H1, 2 jam untuk H4).
Juga dikenal sebagai: event_window_hours
Jendela waktu sebelum peristiwa berdampak tinggi di mana sinyal baru diveto.
Default: 4 jam untuk sinyal H1, 8 jam untuk H4, 24 jam untuk D1, 1 jam untuk M15. Dapat dikonfigurasi per-simbol melalui pengaturan backend. Sinyal yang dihasilkan 3 jam sebelum NFP pada pasangan USD → diveto (dalam jendela 4 jam H1).
Juga dikenal sebagai: Non-Farm Payrolls
Laporan ketenagakerjaan AS bulanan — salah satu peristiwa forex berdampak tertinggi.
Dirilis oleh US Bureau of Labor Statistics Jumat pertama setiap bulan pada 12:30 UTC. Mempengaruhi semua pasangan USD secara berat. Selalu memveto sinyal pasangan USD dalam event_window — 4 jam untuk H1, 8 jam untuk H4.
Juga dikenal sebagai: Consumer Price Index, cetakan inflasi
Pembacaan inflasi utama — menggerakkan ekspektasi kebijakan bank sentral.
CPI AS dirilis pertengahan bulan pada 12:30 UTC. Rilis EU/UK/JP mengikuti jadwal regional. Inflasi panas biasanya memperkuat mata uang lokal (ekspektasi kenaikan suku bunga); pendinginan melemahkan. Berdampak tinggi di seluruh pasangan mata uang yang relevan.
Juga dikenal sebagai: Federal Open Market Committee
Komite keputusan suku bunga bank sentral AS — 8 pertemuan per tahun.
Pernyataan + konferensi pers merilis peristiwa volatilitas USD terbesar. Kami memveto sinyal pasangan USD 48 jam sebelum pertemuan yang dijadwalkan ("periode blackout" yang lebih lama daripada event window standar) karena posisi bergeser secara tidak terduga di masa lalu.
Juga dikenal sebagai: Relative Strength Index
Osilator momentum yang mengukur rasio untung/rugi 14 bar. Skala 0-100.
Dihitung sebagai RSI = 100 − 100 / (1 + RS), di mana RS = rata-rata untung / rata-rata rugi selama 14 bar. Nilai >70 secara tradisional menunjukkan overbought; <30 oversold. Digunakan sebagai fitur plus komponen konfluensi (divergensi antara harga dan RSI adalah sinyal pembalikan berkualitas tinggi).
Juga dikenal sebagai: Moving Average Convergence Divergence
Indikator tren + momentum yang dibangun dari perbedaan EMA.
Garis MACD = EMA(12) − EMA(26). Garis sinyal = EMA(9) dari MACD. Histogram = MACD − Signal. Cross garis sinyal (MACD melintasi di atas/bawah Signal) dan akselerasi histogram adalah fitur bernilai tinggi untuk model kami.
Juga dikenal sebagai: Average True Range
Ukuran pergerakan harga bar-ke-bar — menggerakkan semua penempatan SL/TP.
Rata-rata 14-bar dari True Range (max of: high-low, |high-prev_close|, |low-prev_close|). Beradaptasi dengan volatilitas simbol: ATR EURUSD ≈ 30-50 pip pada H1; ATR XAUUSD ≈ 300-500 sen. Semua stop kami berukuran dalam unit ATR, tidak pernah pip tetap.
Juga dikenal sebagai: BB
Moving average 20-periode ± 2 standar deviasi — selubung volatilitas.
Pita tengah = SMA(20). Atas/bawah = tengah ± 2 × stdev(20). Harga cenderung mean-revert saat menyentuh pita luar selama rezim ranging; tembus pita luar memberi sinyal rezim trending. Digunakan sebagai fitur + bobot konfluensi.
Juga dikenal sebagai: Exponential Moving Average
Moving average berbobot kebaruan — lebih responsif daripada SMA.
Kami menggunakan tumpukan 4-EMA (5, 21, 50, 200) per simbol. Penyelarasan tumpukan (semua miring ke arah yang sama, diurutkan dengan benar) menandakan rezim trending. Crossover antara anggota tumpukan adalah fitur berkualitas tinggi. Slope adalah fitur terpisah.
Juga dikenal sebagai: S/R, zona supply-demand
Tingkat harga di mana pembeli (support) atau penjual (resistance) secara historis mendominasi.
Terdeteksi melalui swing pivot 20-bar. Jarak ke tingkat S/R terdekat adalah fitur; entri di dekat S/R yang kuat mendapat boost konfluensi. Penempatan SL menghindari berada tepat di luar tingkat S/R (stop-run).
Harga dan osilator (RSI, MACD) bergerak ke arah yang berlawanan.
Divergensi bullish: harga membuat lower low, RSI/MACD membuat higher low → potensi pembalikan naik. Bearish: harga higher high, osilator lower high → potensi pembalikan turun. Kami memperlakukan divergensi sebagai sinyal konfluensi berbobot tinggi.
Harga referensi harian yang dihitung dari high/low/close sesi sebelumnya.
Pivot = (H + L + C) / 3 dari hari sebelumnya. Level R1/S1 = 2×Pivot − L / 2×Pivot − H. Jarak ke pivot hari ini adalah fitur konteks sesi; entri di dekat pivot dilacak secara terpisah untuk analisis kinerja.
Mensimulasikan strategi trading pada data historis untuk memperkirakan kinerja.
Kami melakukan backtest model pada 5 tahun bar historis (4 untuk crypto karena kualitas data) menggunakan metodologi walk-forward — tidak pernah split acak. Diuji untuk kelayakan eksekusi terhadap asumsi spread + slippage Tier-1 ECN. Lihat halaman metodologi untuk lingkup "diuji vs tidak diuji" lengkap.
Juga dikenal sebagai: OOS
Data yang belum pernah dilihat model selama pelatihan.
Jendela validasi walk-forward adalah OOS untuk jendela pelatihan yang sesuai. Semua angka kinerja yang kami laporkan berasal dari evaluasi OOS — tidak pernah in-sample. Track record pada log sinyal live adalah evaluasi OOS tertinggi.
Pengembalian otomatis ke versi model sebelumnya ketika kinerja live menurun.
Jendela berjalan 30-sinyal per (simbol, timeframe) melacak Sharpe / WR / PF live. Ketika ada metrik yang turun di bawah ambang batas untuk 20 sinyal berturut-turut, mesin kembali ke versi model baik sebelumnya. Tidak diperlukan persetujuan manusia untuk rollback itu sendiri.
Periode awal setelah versi model baru dipromosikan sebelum statistik live yang dapat diandalkan ada.
Untuk 90 hari pertama kehidupan versi model baru, hit rate historis default ke 0.55 dalam rumus kepercayaan (prior yang masuk akal). Setelah 90 hari sinyal OOS, hit rate berjalan aktual menggantikan prior.
Kombinasi dari beberapa pembelajar lemah yang mengungguli satu pun.
LightGBM setiap tuple (simbol, timeframe) itu sendiri adalah ensemble dari ~500 pohon keputusan, dipasang secara berurutan untuk mengoreksi residu dari pohon sebelumnya. Bobot 0.5 pada P_ml + 0.3 pada confluence + 0.2 pada hit-rate dalam rumus kepercayaan juga adalah ensemble (dari sumber sinyal yang berbeda).
Perbedaan antara harga entri sinyal dan harga eksekusi aktual yang Anda terima.
Dalam validasi kami mengasumsikan slippage 0.5-pip di atas spread Tier-1 ECN. Trading live biasanya menunjukkan slippage 0.3-1.5 pip tergantung pada broker, ukuran akun, dan kondisi pasar. Slippage paling penting untuk sinyal M15 stop-ketat di mana ia dapat mengikis 5-10% dari target R.
Juga dikenal sebagai: Pasangan mata uang
Kuotasi dua mata uang seperti EURUSD — nilai basis dalam hal kuotasi.
EURUSD 1.0850 berarti 1 EUR = 1.0850 USD. Major (USD di satu sisi): EURUSD, GBPUSD, USDJPY, AUDUSD, USDCAD, NZDUSD, USDCHF. Cross: tanpa USD (EURJPY, GBPJPY). Eksotis: mata uang pasar berkembang. Kami hanya memperdagangkan major + XAUUSD + BTCUSD/ETHUSD.
Perbedaan antara harga bid (jual) dan ask (beli).
Spread EURUSD broker Tier-1 ECN biasanya 0.1-0.3 pip. Lebih lebar pada minor (0.5-1.5), pasangan eksotis (5-50), dan XAUUSD (2-4). Spread memakan setiap trade — TP 2-pip setelah spread 0.5-pip menyisakan Anda 1.5 pip bersih. Mengapa kami tidak memperdagangkan eksotis: spread saja sering melebihi 1R.
Juga dikenal sebagai: Electronic Communication Network
Model broker yang merutekan order ke kumpulan penyedia likuiditas, bukan ke dealing desk.
Broker ECN (IC Markets, Pepperstone, Tickmill) biasanya menawarkan spread lebih ketat + eksekusi lebih cepat daripada broker market-maker, dengan imbalan komisi per-sisi ($3-7 per lot standar). Metodologi kami mengasumsikan eksekusi Tier-1 ECN — toleransi slippage melebar untuk setup non-ECN.
Cryptocurrency yang dikuotasikan dalam fiat atau stablecoin — BTCUSD, ETHUSD.
Kami memperdagangkan BTCUSD dan ETHUSD pada H1/H4/D1. M15 dilewati pada crypto karena gesekan spread + slippage relatif terhadap ATR terlalu tinggi. Pasar crypto berjalan 24/7 tanpa veto kalender ekonomi — tetapi kami menerapkan filter drawdown tambahan.
Seberapa mudah posisi dapat dimasuki atau dikeluarkan tanpa memindahkan harga.
Likuiditas tinggi (sesi EURUSD London) → spread ketat, slippage rendah. Likuiditas rendah (titik terendah sesi Asia USDJPY, akhir pekan libur) → spread lebih lebar, slippage lebih tinggi, gap. Kami menampilkan sesi-hari sebagai fitur sehingga model belajar perilaku yang sadar rezim likuiditas.
Salah satu dari Asia / London / NY / overlap — menggerakkan likuiditas, volatilitas, dan bias arah.
London (07-16 UTC) paling likuid untuk EUR/GBP. NY (12-21 UTC) overlap dengan London adalah jendela volatilitas tertinggi. Asia (22-07 UTC) lebih tenang kecuali untuk peristiwa JPY. Sesi adalah fitur di setiap model — strategi bervariasi berdasarkan bias sesi.
Halaman metodologi menghubungkan istilah-istilah ini ke dalam pipeline lengkap. Halaman track record menunjukkan mereka dalam aksi.