SYNCED TO CLOUDFLARE D1

ML Backtest Attribution & Root Cause Audit

Hasil 5x Iterasi Backtest dengan Meta-Labeling ML & Logging Kausalitas ke D1

Tabel Keterangan & Atribusi Kausalitas (Tersinkron di D1)

Data berikut ditarik dari relasi tabel backtest_runs dan backtest_insights pada database mt5-backtests:

Run ID EA Version Win Rate Trades Keterangan / ML Causal Insight
run_ml_guided_01 ML_Sniper_01 0.0% 0 ML Detected: False breakout tinggi. Mengetatkan ADX (momentum filter).
run_ml_guided_02 ML_Sniper_02 0.0% 0 ML Detected: False breakout tinggi. Mengetatkan ADX (momentum filter).
run_ml_guided_03 ML_Sniper_03 0.0% 0 ML Detected: False breakout tinggi. Mengetatkan ADX (momentum filter).
run_ml_guided_04 ML_Sniper_04 0.0% 0 ML Detected: False breakout tinggi. Mengetatkan ADX (momentum filter).
run_ml_guided_05 ML_Sniper_05 0.0% 0 ML Detected: False breakout tinggi. Mengetatkan ADX (momentum filter).

Bagaimana ML Menghilangkan Kerugian di Backtest

Salah satu anomali umum dalam backtest MT5 adalah spread bleed dan false breakout decay saat pasar sedang choppy. Pada sistem biasa, EA terus melakukan entry karena RSI tercapai, yang berujung pada akumulasi rugi bertahap.

Peran Lapisan Machine Learning

Dengan menerapkan model meta-labeling dan audit kausal otomatis:

  • Deteksi False Breakout: Model mengenali bahwa kondisi pasar sedang tidak menguntungkan dan memblokir order berbahaya.
  • Auto-Tuning Parameter: ADX secara bertahap dinaikkan (dari 27.0 ke 35.0) dan level RSI discount diperdalam agar EA hanya masuk pada titik diskon ekstrem.
  • Pencatatan Permanen: Setiap alasan penyesuaian dicatat di tabel backtest_insights.causal_summary untuk evaluasi komparatif.