Model ini adalah otak kecerdasan buatan (Machine Learning) berbasis pohon keputusan (XGBoost) yang dilatih secara khusus untuk memprediksi arah pergerakan harga emas (XAUUSD) pada timeframe 5-Menit (M5).
Model ini dirancang untuk eksekusi algoritma High-Frequency Trading tingkat ritel dengan kemampuan khusus mendeteksi fase exhaustion pasar (jebakan harga pucuk/lembah) menggunakan 31-Feature Matrix.
🧠 Sistem Produksi: Multi-Regime Switching Ensemble & Asymmetric Engine H1
Di dalam pasar riil, sistem ini tidak berjalan pada satu model tunggal saja, melainkan menggunakan Sistem Ensemble Dual-Otak Spesifik yang diawasi oleh filter tren makro (Asymmetric AI Engine H1):
1. Model Utama (Trend & Breakout AI) — vektor_v6_ml.joblib
Fungsi: Menjadi otak penyerang utama saat volatilitas tinggi (ADX > 20) atau saat terjadi ledakan momentum mendadak (lilin raksasa/breakout).
Kecerdasan: Menggunakan 31-Fitur (termasuk fitur Anti-Pucuk seperti jarak dari EMA 200 dan rasio ekor lilin). Memiliki akurasi tangkapan (Recall) sebesar 87.54% dan probabilitas kemenangan (Precision) 75.00%.
Sistem Pengereman: Dibatasi secara ketat oleh Asymmetric AI Engine H1. Jika arah sinyal searah dengan tren H1, ia mengeksekusi dengan ambang probabilitas kelulusan 0.700. Jika berlawanan arah dengan tren H1, ia akan sangat berhati-hati dengan menaikkan ambang kelulusan ke 0.850.
2. Model Khusus (Sideways Mean-Reversion AI) — vektor_v8_sideways.joblib
Fungsi: Mengambil alih kemudi ketika pasar sedang datar, sunyi, atau konsolidasi (ADX < 20). Saat model ini aktif, Model Utama (Trend) akan secara otomatis "tidur".
Kecerdasan: AI ini tidak mencari tren panjang, melainkan dilatih khusus untuk mencuri pips pendek di tepi-tepi lembah dan bukit menggunakan osilator non-linear (mencari pantulan Stochastic di batas Bollinger Bands).
Sistem Pengereman: Sama seperti model pertama, model sideways ini dipantau oleh Asymmetric AI Engine. Jika pantulan searah arus utama H1, ia mengeksekusi di skor 0.700. Jika melawan arus H1, ia mengeksekusi di skor 0.850.
💡 Kesimpulan Arsitektur Produksi
Sistem ini secara otomatis menukar otak mana yang paling relevan dengan kondisi market saat ini (Tren vs Sideways), dan sebuah "Lensa H1" (Asymmetric Engine) duduk di atas kedua otak ini untuk memutuskan kelayakan sinyal beserta lot manajemen risikonya. Kombinasi inilah yang secara matematis dirancang untuk rajin masuk di segala kondisi pasar, namun sangat paranoid terhadap jebakan (fake breakout atau puncak/lembah palsu).
⚙️ Spesifikasi Teknis Model
Model Type: eXtreme Gradient Boosting (XGBoost) Classifier
Hyperparameter Optimization: Bayesian Optimization menggunakan Tree-structured Parzen Estimator (TPE) via Optuna.
📊 Data Pelatihan & Evaluasi
Data Latih
Model ini dilatih menggunakan 10.767 observasi (candlesticks) sejarah pergerakan XAUUSD dari MetaTrader 4. Data ditarik dan disesuaikan secara dinamis (Online Learning) untuk menangkap sifat volatilitas emas yang mudah berubah, termasuk kegagalan pola pergerakan (whipsaws) terbaru di pasar nyata.
Metrik Validasi (Out-of-Sample)
Validasi pengujian model di luar sampel latih mencetak angka performa berikut:
F1-Score: 80.79% (Menandakan keseimbangan yang sangat kuat antara keakuratan dan kerajinan sistem dalam mengeksekusi trade).
Precision: 75.00% (Dari semua sinyal masuk yang disetujui, 75% di antaranya berhasil mencapai target profit tanpa menyentuh Stop Loss).
Recall: 87.54% (Sistem berhasil menangkap 87.5% dari seluruh peluang cuan historis yang ada. Model sangat agresif dan "Rajin Entry").
Accuracy:69.50% (Akurasi tebakan secara keseluruhan).
📈 Visualisasi Grafik Performa (Scribble Style)
Berikut adalah kompilasi visualisasi grafik kinerja model:
1. Perbandingan Presisi Antar Model (Model Benchmark)
Sistem ini memproses data time-series menjadi 31 variabel independen. Kami berfokus pada keseimbangan indikator momentum dan penahan mean-reversion. Tiga kategori fitur matematis utama yang digunakan adalah:
Mean-Reversion Elasticity:keltner_dist_lower, ema200_dist (Mendeteksi peregangan harga ekstrem dari nilai wajarnya).
The Anti-Exhaustion Engine (body_atr_ratio): Ini adalah kalkulus pertahanan utama model. Kami menghitung rasio ukuran murni body candle terhadap volatilitas normal (ATR). Jika rasionya terlalu besar di akhir sebuah tren, mesin secara matematis akan melabelinya sebagai blow-off top (klimaks harga) dan akan mendiskon nilai probabilitas BUY untuk mencegah eksekusi masuk di pucuk harga.
💰 Performa Akun Riil (Live Forward Testing)
Selain hasil validasi matematis secara teoretis, model ini secara agresif diuji langsung pada live forward testing. Berdasarkan log transaksi historis bot yang tercatat pada 10 Juni 2026 pukul 22:59, model ini berhasil mencetak performa transaksi harian yang sangat impresif:
Total Entries Harian: 54 eksekusi transaksi otomatis.
Daily Net Profit:$363.84
Consecutive Loss (Drawdown): Hanya 1x kekalahan beruntun (consecutive loss).
Fakta ini membuktikan secara empiris bahwa rasio Precision 75% dari model ini sukses mencegah rangkaian kekalahan fatal berturut-turut (consecutive losing streaks) dan secara konsisten menambah akumulasi profit seiring tingginya frequency of entries.
💡 3 Fitur Terpenting (Feature Importance)
Berdasarkan metrik kalkulasi Gain dari XGBoost, 3 variabel yang memiliki pengaruh paling absolut dalam keputusan model ini adalah:
session_london (Bobot: 4.35%) - Validasi masuknya likuiditas pasar Eropa.
keltner_dist_lower (Bobot: 4.22%) - Validasi tarikan harga batas bawah.
body_atr_ratio (Bobot: 3.71%) - Pertahanan utama anti-jebakan pucuk.
🚀 Panduan Implementasi
Model didistribusikan dalam format serialisasi .joblib. Karena skala median probabilitas yang tinggi (~0.86), disarankan untuk menggunakan Dynamic Thresholding. Gunakan ambang kelulusan prediksi di atas 0.700 untuk sinyal yang searah dengan tren makro (H1), dan 0.850 untuk sinyal pembalikan arah (counter-trend).
