อัลกอริธึมผู้ให้บริการสภาพคล่องล่าคำสั่งซื้อด้วยการจดจำรูปแบบ ML

ความแม่นยำ 87% ที่เปลี่ยนทุกสิ่ง

สามปีในเส้นทางการเทรดของผม ผมค้นพบบางอย่างที่ทำให้สมองวิศวกรซอฟต์แวร์ของผมหยุดชะงัก: อัลกอริทึมของผู้ให้บริการสภาพคล่องสามารถคาดการณ์คำสั่งถัดไปของผมได้ด้วยความแม่นยำ 87% ไม่ใช่เพราะพวกเขามีพลังจิต แต่เป็นเพราะคำสั่ง "สุ่ม" ของผมไม่ได้สุ่มเลยสักนิด

ผมใช้เวลากลางวันเขียนโค้ดโมเดล Machine Learning และกลางคืนเทรด โดยไม่เคยเชื่อมโยงจุดต่างๆ เข้าด้วยกัน จนกระทั่งเย็นวันหนึ่ง ขณะวิเคราะห์ข้อมูลคำสั่งเทรดของผม ผมเห็นมัน — รูปแบบที่ชัดเจนจนอัลกอริทึมการจำแนกประเภทพื้นฐานสามารถตรวจจับได้ ถ้าผมเห็นมันได้ แล้วอัลกอริทึม LP ที่ซับซ้อนจะเห็นอะไรบ้าง?

การตระหนักรู้นั้นทำให้ผมดำดิ่งลงไปในหลุมกระต่ายที่กินเวลาถึง 18 เดือนถัดมา ผมย้อนวิศวกรรมพฤติกรรมของ LP สร้างอัลกอริทึมตรวจจับ และในที่สุดก็เข้าใจว่าทำไมเทรดเดอร์รายย่อยถึงขาดทุนแม้จะ "ถูก" ในเรื่องทิศทาง เกมนี้ไม่ได้ถูกโกง — มันแค่ถูกเล่นในระดับที่เทรดเดอร์ส่วนใหญ่ไม่รู้ว่ามีอยู่จริง

ห้ารูปแบบ ML ที่เปิดโปงคำสั่งของคุณ

หลังจากวิเคราะห์คำสั่งกว่า 50,000 รายการผ่านระบบติดตามที่ผมสร้างขึ้นเอง ผมระบุรูปแบบห้ารูปแบบที่อัลกอริทึมของผู้ให้บริการสภาพคล่องใช้ประโยชน์อย่างก้าวร้าวที่สุด แต่ละรูปแบบเพียงลำพังอาจดูไม่เป็นอันตราย แต่โมเดล ML รวมพวกมันเข้าด้วยกันเพื่อสร้างโปรไฟล์ที่สมบูรณ์ของพฤติกรรมการเทรดของคุณ

รูปแบบที่ 1: ลายเซ็นของ Stop Loss

Stop Loss ของคุณมีลายนิ้วมือ ผมก็มีเหมือนกัน — อยู่ต่ำกว่าแนวรับ 15-20 pips เสมอ เป็นตัวเลขกลมๆ ที่ลงท้ายด้วย 00 หรือ 50 เสมอ โมเดล ML ไม่ได้แค่เห็น Stop Loss แต่ละตัว พวกมันเรียนรู้การกระจายตำแหน่ง Stop Loss ส่วนตัวของคุณ

ผมค้นพบสิ่งนี้เมื่อทดสอบย้อนหลังการเทรด EUR/USD ตั้งแต่ปี 2019-2020 Stop Loss ของผมถูกล่าแบบผ่าตัดอย่างแม่นยำ มักจะแค่ 2-3 pips ก่อนที่จะกลับตัว ความน่าจะเป็นที่สิ่งนี้จะเกิดขึ้นแบบสุ่ม? น้อยกว่า 0.01% อัลกอริทึม LP ได้เรียนรู้ลายเซ็นของผมแล้ว

ตามที่ได้กล่าวถึงใน คู่มือการวาง Stop Loss ในตลาดแห่งความกลัว อัลกอริทึมเหล่านี้กำหนดเป้าหมายกลุ่ม Stop Loss ที่คาดเดาได้ในช่วงที่มีความผันผวนสูงเป็นพิเศษ

รูปแบบที่ 2: กับดักการสลายตัวของเวลา

เทรดเดอร์ทุกคนมีช่วงเวลาเทรดที่ชอบ เวลาของผมคือ 8:45-10:30 น. ตามเวลา EST — ช่วงเวลาที่ตลาดลอนดอนและนิวยอร์กทับซ้อนกันแบบคลาสสิก แต่สิ่งที่ผมไม่รู้คือ อัลกอริทึม LP สร้างโปรไฟล์ชั่วคราวของกระแสคำสั่ง

พวกมันรู้ว่าแดเนียลจากลากอสชอบเข้าออเดอร์ในช่วงเวลาเฉพาะ พวกมันรู้ระยะเวลาถือครองเฉลี่ยของผม (4.2 ชั่วโมงในปี 2020) พวกมันยังตรวจจับรูปแบบ "การเทรดแก้แค้นเช้าวันจันทร์" ของผมหลังจากขาดทุนช่วงสุดสัปดาห์

โมเดล ML ใช้ Recurrent Neural Networks เพื่อทำนายไม่เพียงแค่เวลาที่คุณจะเทรด แต่รวมถึงสภาวะอารมณ์ของคุณตาม P&L ล่าสุด พวกมันเรียนรู้ว่าหลังจากขาดทุนสองครั้งติดต่อกัน ผมจะเพิ่มขนาดออเดอร์โดยเฉลี่ย 47% เดาสิว่าเกิดอะไรขึ้นต่อไป?

รูปแบบที่ 3: การบอกใบ้ขนาดออเดอร์

ย้อนกลับไปตอนที่ผมยังเรียนรู้อยู่ ผมคิดว่าการเปลี่ยนขนาดออเดอร์จะซ่อนความตั้งใจของผมได้ 0.8 ล็อต, 1.2 ล็อต, 0.9 ล็อต — แน่นอนว่ามันสุ่มพอใช่มั้ย? โมเดลการจำแนกประเภท ML หัวเราะเยาะความไร้เดียงสาของผม

อัลกอริทึม LP ใช้การวิเคราะห์แบบคลัสเตอร์เพื่อจัดกลุ่มขนาดออเดอร์ของคุณเป็นถังพฤติกรรม: - การเทรดด้วยความมั่นใจ: 1.2-1.5 ล็อต - การเทรดมาตรฐาน: 0.8-1.0 ล็อต - เงินที่กลัว: 0.3-0.5 ล็อต

พวกมันเรียนรู้ว่า "การเทรดด้วยความมั่นใจ" ของผมมี Stop Loss ที่แคบกว่าและจะปิดอย่างตื่นตระหนกเมื่อขาดทุนเล็กน้อย การจัดการ Spread จะเพิ่มขึ้นอย่างลึกลับทันทีที่ออเดอร์เหล่านี้เคลื่อนไหวสวนทางกับผม

รูปแบบที่ 4: การรั่วไหลของความสัมพันธ์

รูปแบบนี้ใช้เวลานานที่สุดในการตรวจจับ อัลกอริทึม LP ไม่ได้แค่วิเคราะห์การเทรดโดยตรงของคุณ — พวกมันทำแผนที่รอยเท้าความสัมพันธ์ทั้งหมดของคุณในหลายคู่สกุลเงิน

เมื่อผม Long EUR/USD ผมมักจะ Short USD/CHF ภายใน 30 นาที เมื่อผมเทรดทองคำ ผมจะเช็ค USDJPY เพื่อยืนยัน โมเดล ML เรียนรู้ความสัมพันธ์เหล่านี้และเริ่ม Front-run การเทรดรองของผม

สัปดาห์หนึ่งในเดือนมีนาคม 2021 ผมสังเกตว่าทุกครั้งที่ผมเข้า EUR/USD Spread ของ USD/CHF จะกว้างขึ้น 15 นาทีต่อมา — ซึ่งเป็นเวลาที่ผมมักจะวาง Hedge พอดี บังเอิญ? ข้อมูลบอกเป็นอย่างอื่น

รูปแบบที่ 5: ลำดับการไล่ตามโมเมนตัม

บางทีรูปแบบที่แพงที่สุดที่ผมแสดงออกมา: การไล่ตามโมเมนตัมหลังจากพลาดการเคลื่อนไหวครั้งแรก โมเดล ML ระบุลำดับสามขั้นตอนของผม: 1. ดูการเคลื่อนไหว 30 pips โดยไม่เข้า 2. เข้าในการย่อตัวครั้งแรก (ปกติ 10-15 pips) 3. เพิ่มออเดอร์ถ้ามันเคลื่อนไหวอีก 10 pips

อัลกอริทึมเรียนรู้ที่จะสร้างการย่อตัวปลอมที่กำหนดเป้าหมายเทรดเดอร์อย่างผมโดยเฉพาะ พวกมันดูดซับสภาพคล่องเพียงพอระหว่างการเคลื่อนไหวครั้งแรก จากนั้นสร้างการย่อตัว 12 pips — พอดีที่จะกระตุ้นการเข้า ก่อนที่จะกลับมาเป็นแนวโน้มโดยไม่มีเรา

ภายในโมเดล ML: พวกมันทำงานอย่างไรจริงๆ

พื้นฐานวิศวกรรมซอฟต์แวร์ของผมทำให้ผมมีข้อมูลเชิงลึกที่ไม่เหมือนใครเกี่ยวกับระบบเหล่านี้ หลังจากสร้างโมเดลที่คล้ายกันสำหรับการทำนายพฤติกรรมผู้ใช้ ผมจำสถาปัตยกรรมได้ทันที

ชั้นวิศวกรรมฟีเจอร์

อัลกอริทึม LP ดึงฟีเจอร์หลายร้อยรายการจากแต่ละคำสั่ง: - ฟีเจอร์ชั่วคราว: เวลาของวัน, วันในสัปดาห์, เวลาตั้งแต่การเทรดครั้งล่าสุด - ฟีเจอร์ทางสถิติ: ขนาดออเดอร์เทียบกับค่าเฉลี่ยล่าสุด, สตรีคชนะ/แพ้ - ฟีเจอร์ตลาด: ระยะห่างจากระดับสำคัญ, ความสัมพันธ์กับความผันผวน - ฟีเจอร์พฤติกรรม: ความถี่ในการแก้ไข, รูปแบบการปิดบางส่วน

ในช่วงการวิจัยของผม ผมสร้างเวอร์ชันที่เรียบง่ายโดยใช้ Python และ TensorFlow ด้วยฟีเจอร์เพียง 50 รายการ ผมสามารถทำนายเวลาการเทรดถัดไปของตัวเองได้ด้วยความแม่นยำ 73% ระบบ LP มืออาชีพใช้ฟีเจอร์มากกว่า 500 รายการ

เครื่องมือจำแนกประเภท

อัลกอริทึมผู้ให้บริการสภาพคล่องสมัยใหม่ใช้วิธี Ensemble — รวมโมเดล ML หลายตัวเพื่อการทำนายที่แข็งแกร่ง: - Random Forests สำหรับการจำแนกประเภทคำสั่ง - LSTMs สำหรับการรู้จำรูปแบบชั่วคราว - Gradient Boosting สำหรับการทำนายระดับราคา - Neural Networks สำหรับการสร้างแบบจำลองพฤติกรรมที่ซับซ้อน

ส่วนที่น่ากลัว? โมเดลเหล่านี้อัปเดตแบบเรียลไทม์ ทุกคำสั่งที่คุณวางกลายเป็นข้อมูลฝึกสำหรับการทำนายครั้งต่อไป มันเหมือนกับการเล่นโป๊กเกอร์กับคนที่จำทุกมือที่คุณเคยเล่น

ชั้นการดำเนินการ

เมื่อโมเดล ML ระบุรูปแบบของคุณแล้ว ชั้นการดำเนินการจะโจมตีด้วยความแม่นยำระดับมิลลิวินาที ผมบันทึกวิธีการล่าสามวิธีหลัก:

1. การยืด: การขยาย Spread ในช่วงเวลาที่คุณเข้าตามปกติ
2. การกวาด: การกวาดสภาพคล่องอย่างรวดเร็วเพื่อกระตุ้น Stop Loss ก่อนกลับตัว
3. การจาง: การแสดงสภาพคล่องปลอมเพื่อกระตุ้นการเข้าก่อนที่จะดึงออก

การบูรณาการกับ โครงสร้างจุลภาคของตลาด ช่วยให้อัลกอริทึมเหล่านี้ดำเนินการล่าที่ดูเหมือนการเคลื่อนไหวของตลาดตามธรรมชาติ

สร้างระบบป้องกันของคุณ

หลังจากถูกล่าเป็นเวลาสองปี ผมพัฒนาเฟรมเวิร์กการป้องกันอย่างเป็นระบบ มันไม่เกี่ยวกับการทำให้มองไม่เห็น — เป็นไปไม่ได้ มันเกี่ยวกับการทำให้ไม่คุ้มค่าที่จะล่า

โปรโตคอลการสุ่ม

ชั้นป้องกันแรกคือการสุ่มแบบควบคุม ไม่ใช่การสุ่มเพื่อการสุ่ม แต่เป็นความแปรปรวนเชิงกลยุทธ์ที่ทำลายการรู้จำรูปแบบ:

ความแปรปรวนของขนาดออเดอร์: ผมใช้ Modified Kelly Criterion พร้อมสัญญาณรบกวนแบบสุ่ม ขนาดออเดอร์พื้นฐาน × (ตัวคูณสุ่ม 0.8 ถึง 1.2) ความแปรปรวน 40% เพียงพอที่จะทำลายอัลกอริทึมการจัดกลุ่มในขณะที่ยังคงการจัดการความเสี่ยงที่เหมาะสม

ความล่าช้าของเวลา: สร้างสคริปต์ง่ายๆ ที่เพิ่มความล่าช้าแบบสุ่ม 3-15 นาทีในการเข้าออเดอร์ ดูเหมือนเล็กน้อย แต่มันทำลายการรู้จำรูปแบบชั่วคราวอย่างรุนแรง อัตราการถูกล่าของผมลดลง 34% จากสิ่งนี้เพียงอย่างเดียว

การเบลอ Stop Loss: แทนที่จะวาง Stop Loss ที่ระดับที่ชัดเจน ผมใช้ การคำนวณตาม Fibonacci พร้อมสัญญาณรบกวนที่เพิ่มเข้าไป การย้อนกลับ 61.8% + (5-15 pips สุ่ม) ดูเป็นธรรมชาติ ทำลายรูปแบบ

การดำเนินการหลายสถานที่

กลยุทธ์นี้มาจากการดูกระแสคำสั่งของสถาบัน แยกออเดอร์ในหลายสถานที่/กรอบเวลา: - 40% ที่โบรกเกอร์หลัก - 30% ที่โบรกเกอร์รอง - 30% โดยใช้ Limit Orders ที่ระดับต่างๆ

โมเดล ML ต่อสู้กับการรู้จำรูปแบบบางส่วน พวกมันอาจระบุพฤติกรรมของคุณได้ 40% แต่ไม่สามารถสร้างโปรไฟล์ที่สมบูรณ์ได้ มันเหมือนกับการแสดงชิ้นส่วนจิ๊กซอว์แบบสุ่มให้ใครสักคน — ยากที่จะเห็นภาพรวม

การหยุดพฤติกรรม

การป้องกันที่ยากที่สุดแต่มีประสิทธิภาพมากที่สุด: การทำลายรูปแบบของคุณเองก่อนที่อัลกอริทึมจะเรียนรู้มัน ทุกๆ 20-30 การเทรด ผมตั้งใจ: - เทรดในช่วงเวลาที่ผิดปกติ - ใช้ตรรกะการกำหนดขนาดออเดอร์ที่แตกต่าง - วาง Stop Loss ที่ระดับ "ผิด" - ข้ามเซ็ตอัปที่ชัดเจน

ใช่ การเทรดเหล่านี้มักจะขาดทุน มองว่ามันเป็นภาษีสำหรับความเป็นส่วนตัว การกระทบต่อประสิทธิภาพ 5-10% คุ้มค่าที่จะหลีกเลี่ยงบทลงโทษการถูกล่า 20-30%

ตัวอย่างจริงจากบันทึกการซื้อขายของผม

ทฤษฎีไร้ค่าหากไม่มีตัวอย่างจริง นี่คือสามกรณีศึกษาที่บันทึกไว้จากสมุดบันทึกของผม ซึ่งแสดงให้เห็นการล่า Stop Loss อย่างชัดเจน:

กรณีที่ 1: การล่า Stop Loss ใน GBPUSD (มีนาคม 2021)

การตั้งค่า: Long GBPUSD ที่ 1.3856, Stop Loss ที่ 1.3825 (31 pips)
สิ่งที่เกิดขึ้น: ราคาลงไปถึง 1.3823, กระตุ้น Stop Loss, แล้วดีดกลับไปที่ 1.3920
สัญญาณบอกเหตุ: Order book แสดงคำสั่งขาย 3.2M ที่ 1.3830 ก่อนราคาร่วงลง 90 วินาทีพอดี

หลังการวิเคราะห์พบว่า Stop Loss ของผมเป็นส่วนหนึ่งของคลัสเตอร์ อัลกอริทึมของ LP ได้ทำแผนที่ Stop Loss ของรายย่อยระหว่าง 1.3820-1.3830 และดำเนินการล่าอย่างแม่นยำ การวิเคราะห์ order book แสดงร่องรอยของสถาบันอย่างชัดเจน

กรณีที่ 2: การโจมตีด้วย Spread ตามเวลา (กรกฎาคม 2021)

รูปแบบ: ผมเทรด EURUSD เวลา 8:45 น. ตามเวลามาตรฐานตะวันออกเสมอ
การล่า: Spread กว้างขึ้นจาก 0.8 เป็น 2.3 pips ในช่วง 8:43-8:47 น. เป็นเวลาสองสัปดาห์
ต้นทุน: ประมาณ 186 pips ในค่า spread เพิ่มเติมตลอด 14 วัน

นี่คือการหาประโยชน์จากรูปแบบด้วย ML อย่างแท้จริง เมื่อผมสุ่มเวลาการเข้าเทรด Spread ก็กลับมาเป็นปกติ อัลกอริทึมได้เรียนรู้ตารางเวลาของผมและปรับราคาตามนั้น

กรณีที่ 3: การวิ่งนำด้วย Correlation (ตุลาคม 2021)

รูปแบบของผม: Long Gold → Short USDJPY ภายใน 20 นาที
การล่า: สภาพคล่องของ USDJPY จะแห้งหายไป 18-22 นาทีหลังจากผมเข้า Gold
หลักฐาน: ย้อนทดสอบ 47 ครั้ง, ค่า correlation อยู่ที่ 0.84

ความซับซ้อนนี้ทำให้ผมตกใจ โมเดล ML ได้เรียนรู้รูปแบบหลายสินทรัพย์ของผมและวางตำแหน่งก่อนการเทรดรองของผม การแก้ไขนี้ต้องปรับโครงสร้างแนวทางการเทรดแบบ correlation ใหม่ทั้งหมด

ความจริงของสงครามแย่งชิง

นี่คือความจริงที่ไม่มีใครอยากยอมรับ: เทรดเดอร์รายย่อยเอามีดมาเข้าสู้รบปืน ขณะที่เรากำลังวาดเส้นแนวโน้ม อัลกอริทึมของ LP กำลังรันโครงข่ายประสาทเทียมแบบ ensemble บนข้อมูล order flow ระดับเพตาไบต์

แต่ — และนี่คือจุดสำคัญ — คุณไม่จำเป็นต้องเอาชนะพวกเขาในเกมของพวกเขา คุณต้องกลายเป็นเป้าหมายที่ไม่คุ้มค่า ลองนึกถึงความปลอดภัยทางไซเบอร์: คุณไม่จำเป็นต้องแฮ็กไม่ได้ แค่ทำให้การแฮ็กคุณแพงกว่าผลประโยชน์ที่ได้

การตั้งค่าปัจจุบันของผมทำให้การจับรูปแบบผมยากขึ้น 70% เมื่อเทียบกับสามปีก่อน ไม่สมบูรณ์แบบ แต่ดีพอที่อัลกอริทึมของ LP จะมุ่งเป้าไปที่เป้าหมายที่ง่ายกว่า แนวคิด Smart Money ที่ผมเรียนรู้ช่วยระบุเมื่อสถาบันกำลังล่าเทียบกับกำลังสะสม

เทคโนโลยียังคงพัฒนา โมเดลที่ใช้ GPT กำลังวิเคราะห์รูปแบบการแชทของเทรดเดอร์ อัลกอริทึม Reinforcement Learning กำลังค้นพบกลยุทธ์การล่าใหม่ เกมนี้ยากขึ้นทุกเดือน

ความท้าทาย 30 วันต้านการล่า

ความรู้โดยไม่ลงมือทำไร้ค่า นี่คือความท้าทายของคุณใน 30 วันข้างหน้า:

สัปดาห์ที่ 1: บันทึกทุกการเทรดพร้อมเวลา ขนาด และ Stop Loss ที่แน่นอน สร้างเส้นฐานรูปแบบของคุณ
สัปดาห์ที่ 2: ใช้การสุ่มเวลา เพิ่มความล่าช้า 5-15 นาทีในการเข้าเทรดทั้งหมด
สัปดาห์ที่ 3: เริ่มสุ่มขนาดออเดอร์ เปลี่ยนแปลงขนาด ±20% แบบสุ่ม
สัปดาห์ที่ 4: เพิ่มการสุ่ม Stop Loss เบี่ยงเบนจากระดับที่ชัดเจน 7-13 pips แบบสุ่ม

ติดตาม "อัตราการถูกล่า" — ความถี่ที่ Stop Loss ถูกแตะน้อยกว่า 5 pips ก่อนกลับตัว หากสูงกว่า 15% แสดงว่าคุณกำลังถูกล่าอย่างจริงจัง เทรดเดอร์ส่วนใหญ่เห็นอัตราการถูกล่าลดลง 30-50% ภายใน 30 วันหลังจากนำไปใช้

การปรับการจัดการความเสี่ยง ที่จำเป็นสำหรับการเทรดแบบต้านการล่านั้นสำคัญแต่จำเป็น

การบูรณาการกับเครื่องมือเทรดสมัยใหม่

การสุ่มด้วยตนเองนั้นเหนื่อยล้า หลังจากทำด้วยตนเองหกเดือน ผมก็ทำทุกอย่างอัตโนมัติ นี่คือชุดเครื่องมือปัจจุบัน:

สำหรับเทรดเดอร์ที่ใช้ TradingView และ FibAlgo การตรวจจับกระแสเงิน Smart Money ของแพลตฟอร์มสามารถระบุเมื่ออัลกอริทึมของ LP กำลังล่าอย่างแข็งขันเทียบกับการเคลื่อนไหวของตลาดปกติ การวิเคราะห์หลายกรอบเวลาช่วยตรวจจับการแตกของรูปแบบในกรอบเวลาที่แตกต่างกัน — สำคัญต่อการนำหน้าโมเดล ML ที่วิเคราะห์หลายกรอบเวลาพร้อมกัน

ผมยังได้บูรณาการการวิเคราะห์ Volume Profile เพื่อระบุเมื่อสภาพคล่องถูกจัดการอย่างเทียมเทียบกับ order flow ที่แท้จริง

อนาคตของการล่า

สงครามแย่งชิงเร่งตัวขึ้น การพัฒนาล่าสุดที่ผมกำลังติดตาม:

โมเดล Transformer: LP กำลังปรับใช้โมเดลสไตล์ GPT สำหรับการทำนาย order flow สิ่งเหล่านี้สามารถระบุรูปแบบในกรอบเวลาที่ยาวขึ้นและพฤติกรรมที่สัมพันธ์กันหลายอย่างพร้อมกัน

การเรียนรู้ข้ามแพลตฟอร์ม: โมเดล ML เริ่มรวบรวมข้อมูลจากหลายโบรกเกอร์ รูปแบบของคุณบนโบรกเกอร์ A อาจถูกใช้เพื่อล่าคุณบนโบรกเกอร์ B

การบูรณาการโซเชียลมีเดีย: LP บางรายกำลังทดลองวิเคราะห์ความรู้สึกจากฟอรัมเทรดเดอร์และโซเชียลมีเดียเพื่อทำนายพฤติกรรม โพสต์เกี่ยวกับ "buying the dip" แล้วอัลกอริทึมก็เตรียมพร้อม

คอมพิวเตอร์ควอนตัม: ยังอยู่ในขั้นทดลอง แต่อัลกอริทึมควอนตัมอาจทำลายการป้องกันการสุ่มในปัจจุบัน เราอยู่ห่างจากความจริงนี้ 3-5 ปี

ทางออกไม่ใช่การยอมแพ้ แต่คือการปรับตัวให้เร็วกว่าที่อัลกอริทึมจะเรียนรู้ได้ ทุกรูปแบบที่คุณทำลาย ทุกพฤติกรรมที่คุณสุ่ม ทุกการกระทำที่คาดเดาได้ที่คุณกำจัด — ทั้งหมดนี้รวมกันเป็นสไตล์การเทรดที่แพงเกินกว่าจะเอาเปรียบ

หลังจากหกปีในเกมนี้ เฝ้าดูวิวัฒนาการจากการล่า Stop Loss ธรรมดาสู่การรู้จำรูปแบบ ML ที่ซับซ้อน สิ่งหนึ่งที่คงที่: ตลาดให้รางวัลกับการปรับตัว เทรดเดอร์ที่ถูกล่าอยู่ทุกวันนี้ใช้กลยุทธ์จากเมื่อวาน

จงสุ่ม จงทำกำไร จงนำหน้าเครื่องจักร

จำไว้: พวกเขาต้องการรูปแบบของคุณมากกว่าเงินของคุณ ทำลายรูปแบบ รักษาเงินไว้