1. 數據來源與數據流
市場數據來自 MetaTrader 5。系統分析的輸入包括開盤價、最高價、最低價和收盤價、成交量、當前市場價格、價格動態、選定的技術指標以及機器學習模型生成的信號。分析在 M30 週期上進行，每根 K 線代表 30 分鐘。
來自 MetaTrader 5 的數據會傳入本地 JupyterLab 環境，在其中運行模型和決策策略。其輸出返回 MT5 中的智能交易程序（EA），由 EA 將神經網絡估計與技術指標信號進行比較。當滿足所需條件時，EA 決定執行還是拒絕交易，並將當前狀態發佈到網頁面板。
流程： MetaTrader 5 → 市場數據 → AI 模型與策略 → 過濾器 → BUY、SELL 或 NO TRADE → 執行或拒絕 → 發佈到門戶。
2. 人工智慧模型
這些模型並不像人類那樣理解市場。它們處理價格行為和指標表現的數值描述，然後給出預測或質量評估。每項輸出都是概率估計，並非對未來必然發生情況的確定說明。
- Direction_CNN1D_Net — 估計價格更可能上漲還是下跌。
- Range_MLP_Net — 估計可能的有利價格波動、潛在回撤以及預期收益風險比（顯示為 RR）。
- Filter_CNN1D_Net — 評估當前市場條件是否達到考慮建立倉位前所要求的質量閾值。
後續版本還可能使用用於檢測方向變化、衡量不同信號一致性或阻止較高風險交易設置的模型。研究環境中可見的模型並不一定都會影響實際交易。
3. 訓練資料
EUR/USD 項目準備了覆蓋 2000 至 2026 年的數據集。每一行描述一根 M30 K 線，包含 OHLCV 數據、技術指標以及來自之前六個 30 分鐘週期的特徵。根據數據集版本不同，變量數量接近 300 個，訓練數據行數接近一百萬。
大型數據集並不能消除錯誤風險。模型可能學習到只適用於歷史樣本的關係，而這些關係在實時市場中未必再次出現。因此，回測和歷史結果不能保證實時交易表現。
4. 決策策略
單一神經網絡輸出並不一定足以建立倉位。策略可能要求多個獨立要素一致，例如方向、可接受的 Range RR 數值、通過質量過濾器、技術指標確認以及不存在排除信號。
- ANALOG — 根據 MT5 圖表上約定的一組技術指標得出的方向。
- DIRECTION — 由使用價格數據和技術特徵訓練的網絡給出的方向估計。
- RANGE — 對可能價格區間、止盈水平、回撤和收益風險比的估計。
- FILTER — 評估當前市場條件是否超過所要求的質量閾值。
策略可以返回 BUY、SELL 或 NO TRADE。NO TRADE 本身也是有效結果，表示系統沒有找到足夠的確認條件來建立或反轉倉位。
5. 由 EA 執行交易
在收到經核准的訊號後，專家顧問會將其與當前的技術邏輯進行比對，並檢查安全條件。具體而言，會檢查系統中是否已存在倉位、訊號是否為最新、與分析模組的連線是否正常、是否符合所需的過濾條件，以及交易是否因使用者設定而被封鎖。
軟件還包含保護機制，用於減少啓動後、手動平倉後或平台狀態變化後意外重新入場的情況。最終行為取決於相關觀察期間所使用的 EA 版本和當時有效的設置。
6. 倉位規模、獲利了結（TP）、止損（SL）及追蹤止損
倉位規模會根據帳戶資本、槓桿比例及程式限制自動設定。在特定的測試期間內，系統可能會使用極高比例的可用資金進行操作。這是一種針對特定帳戶的高風險實驗性配置，並非建議的資金管理模式。
止盈水平可以來自 Range MLP 預測，並在後續估計顯示潛在價格波動更大時更新。根據測試配置，止損水平可以設定為具體數值，也可以不設置。附加的追蹤功能可能對劇烈價格變化作出反應、保護已積累的結果，或在特定條件下平倉並反向建立倉位。因此，不同交易的保護參數可能不同，並且可能在入場後發生變化。
7. LIVE 面板的內容
LIVE 面板顯示 EUR/USD 系統的當前狀態。它可以顯示倉位及方向、入場時間和價格、當前市場價格、點數結果、可用的止損和止盈水平，以及最新有效讀數的時間。圖表會標記倉位的開倉點或平倉點。
當沒有活動倉位時，面板可能顯示最近一筆已平倉交易，或顯示“無持倉”消息。這樣可以把空倉狀態與加載錯誤區分開來。
8. 歷史紀錄與圖表
倉位平倉後，系統會將記錄寫入專用的 EUR/USD 歷史表。記錄可包括開倉和平倉時間、方向、價格、點數結果、最大回撤、累計結果、平倉原因以及開倉/平倉圖表。折線圖從零開始跟蹤累計結果，柱狀圖則分別顯示每筆交易。
圖像並非用以取代數值資料，而是用於記錄市場狀況。圖像的儲存與紀錄的儲存是透過獨立的技術通道進行，因此兩者的時間點可能會略有差異。
9. 資料更新
面板會自動刷新，通常每兩秒一次。顯示的時間代表最新有效讀數。如果交易平台、本地計算機、服務器或分析模塊失去連接，門戶可能暫時顯示最後可用狀態、等待消息或無數據。