طراحی ربات برای حساب‌های سنتی و استاندارد

طراحی ربات برای حساب‌های سنتی و استاندارد

مقدمه‌ای بر معماری سیستم‌های معاملاتی خودکار در محیط‌های متنوع کارگزاری

دنیای تریدینگ الگوریتمی (Algorithmic Trading) مملو از ظرافت‌های فنی و چالش‌های مدیریتی است که مستقیماً با ساختار زیربنایی حساب معاملاتی تریدر گره خورده است. طراحی یک Expert Advisor (EA) یا Trading Bot که بتواند در محیط‌های مختلف کارگزاری (Broker) عملکرد یکسان و بهینه داشته باشد، نیازمند درکی عمیق از تفاوت‌های ساختاری بین انواع حساب‌های معاملاتی رایج، به ویژه حساب‌های Cent و Standard، است. این تفاوت‌ها صرفاً سطحی نیستند؛ آن‌ها مستقیماً بر محاسبات حجم معامله (Lot Size)، مدیریت ریسک (Risk Management)، و در نهایت، سودآوری بلندمدت ربات تأثیر می‌گذارند. یک ربات که با فرض‌های اشتباه در مورد پارامترهای حساب طراحی شده باشد، ممکن است در محیط آزمایشی (Demo) یا حساب سنت به خوبی عمل کند، اما هنگام انتقال به حساب استاندارد با شکست مواجه شود، زیرا نسبت‌های اهرمی، محاسبات اسپرد، و حتی نحوه نمایش اعشار قیمت‌ها متفاوت خواهد بود. این مقاله به کاوش عمیق در این تفاوت‌ها و ارائه یک معماری ماژولار و تطبیقی برای غلبه بر این چالش‌ها می‌پردازد و تمرکز خود را بر توسعه سیستم‌های مقاوم و قابل انتقال (Portable) قرار می‌دهد.

مبانی حساب‌های Cent و Standard: تعاریف و تمایزات بنیادی

برای درک چالش‌های طراحی ربات، ابتدا باید تعاریف دقیق این دو نوع حساب را مشخص کنیم. تفاوت اصلی بین حساب‌های Cent Account و Standard Account در واحد پایه پولی است که برای نمایش موجودی (Balance) و سرمایه (Equity) استفاده می‌شود.

در حساب استاندارد (Standard Account)، واحد پایه معمولاً دلار آمریکا (USD)، یورو (EUR) یا ارز پایه اصلی قراردادهای آتی است. در این حساب‌ها، کوچکترین واحد تغییر قیمت (Point یا Pip) و حجم قراردادها بر اساس واحد کامل ارز پایه محاسبه می‌شود. به عنوان مثال، اگر یک لات استاندارد (1.0 Lot) معامله شود، حجم قرارداد برابر با 100,000 واحد از ارز پایه است (مثلاً 100,000 دلار).

در مقابل، حساب سنت (Cent Account) عمداً برای کاهش ریسک اولیه سرمایه‌گذاران خرد طراحی شده است، با این تفاوت که تمام محاسبات بر اساس یک صدم (1/100) واحد پول استاندارد انجام می‌شود. اگر حساب شما بر اساس دلار باشد، موجودی بر حسب سنت نمایش داده می‌شود (مثلاً 100 دلار به صورت 10,000 سنت نشان داده می‌شود). این امر منجر به تغییرات بنیادی در پارامترهای عملیاتی EA می‌شود:

1. حجم قرارداد (Lot Size): در یک حساب استاندارد، کوچکترین واحد حجم قابل معامله (Micro Lot) معمولاً 0.01 لات است که معادل 1,000 واحد از ارز پایه است. در یک حساب سنت، این 0.01 لات همچنان 1,000 واحد پایه را نشان می‌دهد، اما چون ارزش پایه (Base Value) آن 100 برابر کمتر است، ارزش دلاری آن نیز 100 برابر کمتر است. به عبارت دیگر، 1 لات استاندارد در حساب سنت برابر با 100 لات سنت است، یا معادل 10,000 دلار ارز پایه به جای 100,000 دلار.
2. نقطه (Point) و پیپ (Pip): در بسیاری از کارگزاری‌ها، خصوصاً در جفت ارزهایی که با نرخ 5 رقمی یا 3 رقمی نمایش داده می‌شوند، تفاوت‌های ظریفی در نحوه محاسبه ارزش پیپ وجود دارد. در حساب‌های Cent، به دلیل اینکه مقدار اسمی پول ۱۰۰ برابر کوچکتر است، ممکن است کارگزار برای حفظ تناسب، یک پیپ اضافی (5th decimal) را برای نمایش دقیق‌تر تعریف کند، یا به گونه‌ای آن را مدیریت کند که محاسبات P&L (Profit and Loss) مستقیماً با مقدار سنت همخوانی داشته باشد.
3. تغییرات در اعشار (Decimal Precision): این مهم‌ترین تفاوت فنی است. در حساب‌های استاندارد، اکثر ابزارها تا 4 یا 5 رقم اعشار (برای جفت ارزها) و 2 یا 3 رقم (برای فلزات) قیمت‌گذاری می‌شوند. در حساب‌های سنت، کارگزاران ممکن است برای تسهیل کار با مبالغ کوچکتر، اعشار اضافی (معمولاً ششمین رقم برای جفت ارزها) را فعال کنند. اگر EA برای محاسبه سطح توقف ضرر یا حد سود بر اساس تعداد پیپ‌ها برنامه‌نویسی شده باشد و این اعشار اضافی را نادیده بگیرد، محاسبات سطح قیمت او کاملاً اشتباه خواهد بود.

تأثیر تفاوت‌های فنی بر مدیریت ریسک و تعیین اندازه موقعیت (Position Sizing)

معماری یک ربات معاملاتی باید به گونه‌ای طراحی شود که پارامترهای مربوط به مدیریت ریسک را بر اساس ماهیت حساب به‌طور پویا تنظیم کند. استفاده از مقادیر ثابت برای ریسک فیصدی یا حجم لات می‌تواند منجر به فاجعه شود.

مدیریت سرمایه بر اساس درصد ریسک (Risk Percentage Based Money Management):

الگوریتم‌های سنتی مدیریت سرمایه معمولاً ریسک را به صورت درصدی از سرمایه (Equity) تعریف می‌کنند. فرمول استاندارد برای محاسبه حجم لات (Lot Size) بر اساس درصد ریسک به شرح زیر است:

[ \text{Lot Size} = \frac{\text{Equity} \times \text{Risk Percentage}}{\text{Stop Loss Distance in Pips} \times \text{Pip Value}} ]

این فرمول در حساب‌های استاندارد به طور مستقیم قابل استفاده است. با این حال، در حساب‌های سنت، “ارزش پیپ” (Pip Value) به‌طور ضمنی 100 برابر کوچکتر از همتای استاندارد آن است، زیرا ارزش اسمی پول 100 برابر کمتر است.

اگر ربات شما صرفاً مقدار لات را محاسبه کند (مثلاً 0.1 لات) و آن را مستقیماً در متاتریدر (MT4/MT5) ارسال کند، ممکن است حجم درخواستی در حساب سنت با حجم مورد نظر از نظر ارزش دلاری، 100 برابر بیشتر یا کمتر شود، بسته به نحوه تعامل پلتفرم با پارامترهای ورودی Tick Size و Lot Step.

راهکار اصلی، استفاده از فرمولاسیون مبتنی بر “ارزش نقطه بر اساس ارز پایه حساب” است.

طراحی Dynamic Lot Calculation برای هر نوع حساب:

یک ربات حرفه‌ای باید ابتدا نوع حساب را تشخیص دهد. در محیط MQL4/MQL5، اطلاعات حساب از طریق توابع سیستمی قابل دسترسی است. برای مثال، می‌توان با مقایسه مقدار AccountBalance() با مقادیر معمول شروع حساب‌های سنت (که اغلب زیر 1000 دلار هستند) یا بررسی ویژگی‌های خاص کارگزاری (که گاهی اوقات در نام حساب یا نوع نماد معاملاتی منعکس می‌شود)، نوع حساب را استنتاج کرد.

به جای محاسبه مستقیم لات، بهتر است حجم ریسک را بر اساس ارزش دلاری محاسبه کرده و سپس آن را به واحدهای لات قابل قبول پلتفرم تبدیل کنیم.

فرض کنید می‌خواهیم 1% از سرمایه را در هر معامله ریسک کنیم.

1. تعیین ارزش دلاری ریسک:
   [ \text{Dollar Risk} = \text{AccountEquity} \times 0.01 ]
2. محاسبه فاصله توقف ضرر (Stop Loss Distance) بر حسب واحد پایه:
   اگر SL برابر $S$ پیپ باشد و $D_{Pip}$ ارزش یک پیپ به واحد پایه (مثلاً دلار)، آنگاه: [ \text{Stop Loss Value (in Base Currency)} = S \times D_{Pip} ]
3. تعیین حجم پایه (Base Volume):
   [ \text{Base Volume (in Lot Units)} = \frac{\text{Dollar Risk}}{\text{Stop Loss Value (in Base Currency)}} ]

در حساب استاندارد، اگر ارز پایه USD باشد، $D_{Pip}$ بر اساس لات استاندارد محاسبه می‌شود (مثلاً 10 دلار برای هر پیپ در EURUSD با لات کامل).

در حساب سنت، اگر حساب 10,000 سنت معادل 100 دلار باشد، $D_{Pip}$ محاسبه شده برای همان لات کامل، 100 برابر کوچکتر خواهد بود (مثلاً 0.1 دلار به ازای هر پیپ برای لات کامل سنت).

پیاده‌سازی تطبیقی:

یک ماژول باید پارامتر Pip Value Multiplier ($\text{PVM}$) را تعریف کند. برای حساب استاندارد، $\text{PVM} = 1$. برای حساب سنت، $\text{PVM} = 0.01$.

[ \text{Calculated Lot Size} = \frac{\text{Equity} \times \text{Risk Percentage}}{\text{SL in Pips} \times \text{Contract Size} \times \text{PVM}} ]

نکته تخصصی: در MQL، بهتر است از توابع استاندارد پلتفرم مانند AccountInfoDouble(ACCOUNT_BALANCE) و SymbolInfoDouble(SYMBOL_TRADE_TICK_VALUE) استفاده شود که به‌طور خودکار مقیاس‌بندی را در اکثر موارد انجام می‌دهند. با این حال، اگر ربات بر اساس فرمول‌های ثابت محاسبه کند، نیاز به تشخیص دستی PVM حیاتی است.

اشتباهات رایج در طراحی ربات برای حساب‌های سنتی و تأثیر آن بر مهاجرت

بزرگترین تله‌ای که توسعه‌دهندگان ربات در آن گرفتار می‌شوند، نادیده گرفتن ساختار قیمت‌گذاری در حساب‌های سنت و تلاش برای اعمال مستقیم پارامترهای بهینه‌سازی شده از محیط استاندارد است.

سناریوی شکست رایج: نادیده گرفتن گام‌های حجم (Lot Step) و حداقل حجم (Minimum Lot):

فرض کنید یک استراتژی با مدیریت ریسک بسیار محافظه‌کارانه برای حساب استاندارد طراحی شده است، به طوری که در حد ضرر مشخص، تنها 0.01 لات معامله می‌شود.

اگر این EA روی حساب سنت اجرا شود، 0.01 لات در حساب سنت هنوز 1000 واحد از ارز پایه است، اما ارزش اسمی آن بسیار کمتر است. اگر ربات به درستی مقدار لات را محاسبه نکند و به دلیل محدودیت‌های پلتفرم، مثلاً حداقل حجم قابل ارسال را 0.01 لات (میکرو) در نظر بگیرد، ممکن است در حساب سنت به دلیل کوچکتر بودن موجودی اولیه، ریسک واقعی (بر حسب درصد سرمایه) به 5% یا 10% افزایش یابد که منجر به Margin Call سریع می‌شود.

چرا یک ربات روی حساب Cent سودده است اما روی Standard شکست می‌خورد؟

این پدیده اغلب ناشی از دو عامل اصلی است:

1. تراکم اهرمی مصنوعی (Artificial Leverage Density): در حساب سنت، با سرمایه اسمی 100 دلار، شما در واقع در حال معامله با 10,000 واحد از ارز پایه هستید (در مقایسه با 100,000 واحد در حساب استاندارد). اما کارگزاری اهرم (Leverage) یکسانی را اعمال می‌کند. در نتیجه، برای رسیدن به سطح ریسک دلاری مشابه در حساب استاندارد، ربات باید حجم‌های بسیار کوچکتری (مثلاً 0.001 لات) را مدیریت کند. اگر ربات فرض کند که حداقل حجم قابل معامله 0.01 لات است، این 0.01 لات در حساب سنت در واقع ریسکی معادل 0.001 لات در حساب استاندارد است. اگر استراتژی شما نیازمند ورودهای بسیار ریز (Micro-entries) باشد، حساب سنت این اجازه را می‌دهد و ربات موفق به نظر می‌رسد. اما وقتی به حساب استاندارد منتقل می‌شوید و از همان پارامترها استفاده می‌کنید، 0.01 لات استاندارد ریسک 10 برابری را به همراه دارد که منجر به Drawdown فاجعه‌بار می‌شود.
2. اثر اسلیپیج و اجرای سفارش (Slippage and Execution Impact): ربات‌هایی که بر اساس ورودهای بسیار سریع و با فاصله کم از هم طراحی شده‌اند، روی حساب‌های سنت به دلیل حجم پایین‌تر معاملات، ممکن است اجرای بهتری را تجربه کنند. در حساب استاندارد، اجرای حجم‌های بزرگتر (حتی 0.1 لات در برخی سناریوها) می‌تواند با Slippage بیشتری همراه باشد که ربات را از نقطه ورود اولیه خود دور می‌کند و استراتژی ورود کوتاه‌مدت را باطل می‌سازد.

طراحی ماژولار برای مقابله با تفاوت‌های حساب: معماری پیشنهادی

یک ربات حرفه‌ای باید از یک معماری لایه‌ای پیروی کند که مسئولیت‌ها را به خوبی تفکیک نماید.

لایه 1: ماژول تشخیص و پیکربندی (Identification & Configuration Module – ICM)

این لایه وظیفه دارد در زمان راه‌اندازی و به صورت دوره‌ای، پارامترهای محیطی کارگزاری را استخراج کند.

• تشخیص نوع حساب (Cent/Standard Detection):
  • بررسی Digits (تعداد ارقام اعشار قیمت).
  • بررسی Tick Size و Contract Size.
  • محاسبه Account Value Ratio (AVR): این نسبت، مقایسه ارزش دلاری 1 لات استاندارد در این حساب در برابر 1 لات در حساب استاندارد مرجع است. [ \text{AVR} = \frac{\text{AccountCurrencyValuePerStandardLot}}{\text{ReferenceStandardLotValue}} ] اگر AVR نزدیک به 0.01 باشد، حساب سنت است.
• تنظیم پارامترهای حیاتی:
  • تنظیم Max Lot Size و Min Lot Size قابل ارسال برای پلتفرم.
  • تنظیم ضریب تبدیل پیپ ($\text{PVM}$) برای محاسبات ریسک.

لایه 2: ماژول مدیریت سرمایه تطبیقی (Adaptive Money Management – AMM)

این ماژول از پارامترهای خروجی ICM استفاده می‌کند تا حجم لات را محاسبه کند.

شبه‌کد برای محاسبه لات تطبیقی:

FUNCTION CalculateLotSize(RiskPercentage, StopLossPips, AccountEquity, PVM):
    // 1. Determine Stop Loss in Account Currency Units (based on SL Pips)
    // Assuming ContractSize is known (e.g., 100,000 for standard USD pairs)
    // And assuming PipValuePerLot (PVP) is the value of one lot movement in base currency
    
    VAR PipValuePerLot = GetPipValuePerLot(SymbolName); // Function returning $10 for EURUSD 1.0 Lot
    VAR ActualStopLossValue = StopLossPips * PipValuePerLot * PVM; // PVM=0.01 for Cent accounts

    // 2. Calculate Dollar Risk
    VAR DollarRisk = AccountEquity * RiskPercentage;

    // 3. Calculate Lot Size based on Risk Tolerance
    VAR DesiredLot = DollarRisk / ActualStopLossValue;

    // 4. Adjust Lot Size based on Broker constraints (LotStep, MinLot, MaxLot)
    VAR FinalLot = RoundToLotStep(DesiredLot, MinLot, MaxLot, LotStep);
    
    RETURN FinalLot
END FUNCTION

این رویکرد تضمین می‌کند که اگرچه واحد پولی نمایش داده شده در حساب سنت ۱۰۰ برابر کوچکتر است، ریسک دلاری محاسبه شده و میزان توقف ضرر، در نهایت منجر به یک ریسک فیصدی ثابت شود که با سناریوی حساب استاندارد سازگار است.

بررسی تفاوت‌های اجرای سفارش: Spread، Slippage و Execution Time

معاملات الگوریتمی به شدت تحت تأثیر کیفیت اجرای سفارش است که توسط کارگزار فراهم می‌شود. تفاوت بین حساب‌های Cent و Standard در این زمینه نیز قابل توجه است.

اسپرد (Spread):

در بسیاری از کارگزارانی که مدل ECN/STP را برای هر دو نوع حساب ارائه می‌دهند، اسپرد خام (Raw Spread) ممکن است مشابه باشد. اما در حساب‌های سنت، کارگزاران اغلب برای پوشش ریسک بالاتر، اسپرد را کمی افزایش می‌دهند، یا از مدل Fixed Spread استفاده می‌کنند که در نوسانات بازار کمتر قابل اعتماد است. ربات باید بر اساس اسپرد مشاهده شده لحظه‌ای (Current Spread) محاسبه کند و نه اسپرد ثابت تعریف شده در تنظیمات اولیه، زیرا اسپرد شناور تأثیر مستقیمی بر Entry Price و Stop Loss Placement دارد.

اسلیپیج (Slippage):

همانطور که قبلاً اشاره شد، حجم معاملات در حساب سنت معمولاً بسیار کمتر از حساب‌های استاندارد است (حتی اگر از نظر درصد ریسک برابر باشند، حجم لات عددی ممکن است متفاوت باشد). اجرای سفارش‌های کوچک‌تر (Micro Lots) معمولاً با اسلیپیج کمتری همراه است. اگر ربات روی حساب سنت به حجم‌های 0.01 یا 0.02 عادت کرده باشد، ممکن است در حساب استاندارد هنگام معامله 0.1 لات، اسلیپیج قابل توجهی را تجربه کند که باید در بک‌تست لحاظ شود.

زمان اجرا (Execution Time):

حساب‌های سنت اغلب به دلیل حجم پایین‌تر تراکنش‌ها، تأخیر (Latency) کمتری در اجرا مشاهده می‌کنند. این تفاوت کوچک در تأخیر می‌تواند برای استراتژی‌های اسکالپینگ (Scalping) که بر پایه آربیتراژهای زمانی بسیار کوتاه بنا شده‌اند، تفاوت بزرگی ایجاد کند. ربات باید دارای یک تأخیر داخلی (Internal Latency Buffer) باشد که بر اساس میانگین زمان اجرای سفارش در محیط هدف تنظیم شود.

طراحی ربات برای تست اولیه روی Cent و مهاجرت به Standard

رویکرد صحیح برای توسعه این است که حساب Cent را به عنوان “محیط تست فشار کم ریسک” در نظر بگیریم، در حالی که حساب استاندارد “محیط تولید (Production)” نهایی است.

1. فاز تست اولیه (Cent/Demo):
   • تست استراتژی معاملاتی اصلی (سیگنال‌دهی، منطق ورود و خروج).
   • بهینه‌سازی پارامترهای ورودی مانند دوره‌های اندیکاتورها، سطوح آستانه و زمان‌بندی‌ها.
   • تأیید عملکرد صحیح ماژول Lot Calculation با استفاده از $\text{PVM}=0.01$ و موجودی کم.
2. فاز انتقال و اعتبارسنجی (Transition & Validation):
   • پس از کسب سود پایدار در حساب Cent، ربات باید به حساب استاندارد با حداقل سرمایه اولیه (مثلاً 1000 دلار) منتقل شود.
   • در این مرحله، PVM باید به 1.0 تغییر یابد و تمام محاسبات Money Management باید مجدداً بررسی شوند تا اطمینان حاصل شود که ریسک در هر معامله به 1% یا کمتر محدود می‌شود.
3. فاز بهینه‌سازی نهایی (Standard Optimization):
   • تنها پارامترهایی که باید در این مرحله تنظیم شوند، پارامترهایی هستند که تحت تأثیر اجرای سفارش در محیط استاندارد قرار می‌گیرند (مانند تنظیمات اسلیپیج، حداکثر حجم مجاز برای یک پوزیشن تکی، و تنظیمات Max Exposure).

بک‌تست (Backtest) صحیح برای هر دو نوع حساب: شبیه‌سازی واقع‌گرایانه

بک‌تست برای ربات‌هایی که قرار است در محیط‌های مختلف کار کنند، باید فراتر از استفاده از داده‌های Every Tick استاندارد باشد.

برای شبیه‌سازی عملکرد در حساب Cent:
بک‌تست باید با استفاده از داده‌هایی انجام شود که Tick Size و Lot Size مربوط به حساب سنت را منعکس کند. اگر کارگزاری داده‌های تاریخی مربوط به حساب سنت را ارائه نمی‌دهد، توسعه‌دهنده باید به صورت دستی مقیاس‌بندی را اعمال کند.

برای شبیه‌سازی عملکرد در حساب Standard:
بزرگترین اشتباه، استفاده از نتایج بک‌تست Cent برای تأیید عملکرد Standard است. بک‌تست Standard باید شامل شبیه‌سازی دقیق Slippage مربوط به حجم‌های بزرگتر باشد. بسیاری از پلتفرم‌ها دارای پارامتری برای وارد کردن Slippage Buffer هستند که باید بر اساس تست‌های زنده (Forward Testing) در حساب استاندارد بهینه‌سازی شود.

بررسی Drawdown، Risk to Reward و Max Exposure:

1. Drawdown (افت سرمایه): در حساب Cent، به دلیل حجم‌های کوچک، افت سرمایه اسمی (دلاری) کم است اما درصد آن ممکن است نوسان زیادی داشته باشد. در حساب Standard، افت سرمایه اسمی بسیار بزرگتر خواهد بود. EA باید اطمینان حاصل کند که Maximum Drawdown Percentage در هر دو محیط قابل قبول است و از حد مجاز تجاوز نمی‌کند.
2. Risk to Reward (R:R): این نسبت صرفاً بر اساس منطق استراتژی تعریف می‌شود و نباید تحت تأثیر نوع حساب قرار گیرد، مگر اینکه تغییرات اسپرد باعث شود TP و SL به طور مداوم تغییر کنند.
3. Max Exposure: این پارامتر حداکثر حجم باز یا ارزش ارزی است که ربات می‌تواند در یک زمان معین در بازار قرار دهد. در حساب استاندارد، به دلیل سرمایه بزرگتر، $\text{Max Exposure}$ دلاری باید به صورت محافظه‌کارانه‌تری تنظیم شود تا از دست رفتن بیش از حد سرمایه در صورت وقوع یک رویداد بازار نامطلوب جلوگیری شود.

تفاوت روانی تریدر و تأثیر آن بر تنظیمات ربات

بخش بزرگی از بهینه‌سازی ربات‌ها، به ویژه هنگام مهاجرت، تحت تأثیر سوگیری‌های روانی تریدر قرار دارد.

تریدرها در حساب Cent، به دلیل کوچک بودن مبالغ از دست رفته، تمایل دارند تا پارامترهای تهاجمی‌تری را آزمایش کنند (مثلاً افزایش ریسک به 2% یا 3% در هر معامله، یا استفاده از استراتژی‌های مارتینگل با دامنه گسترده‌تر). این تنظیمات به دلیل انعطاف‌پذیری سرمایه Cent، ممکن است برای مدتی سودآور به نظر برسند.

هنگامی که ربات به حساب Standard منتقل می‌شود، همان پارامترهای تهاجمی منجر به انحلال سریع حساب می‌شوند. یک ربات حرفه‌ای باید از پارامترهایی استفاده کند که “توسط بازار تحمل می‌شوند” نه “توسط تریدر تست شده‌اند”. بنابراین، پارامترهای ریسک نهایی باید بر اساس حداکثر تحمل ریسک کلی (مثلاً 10% Drawdown مجاز برای کل سیستم) تنظیم شوند، صرف نظر از اینکه در کدام محیط معاملاتی در حال اجرا هستند.

معماری پیشنهادی ربات برای اطمینان از قابلیت حمل (Portability)

یک طراحی مبتنی بر میکروسرویس‌ها (Microservices) یا ماژول‌های مجزا بهترین رویکرد را فراهم می‌کند:

1. ماژول هسته (Core Logic Module): شامل منطق استراتژی اصلی (ورود/خروج بر اساس سیگنال‌ها). این ماژول باید کاملاً مستقل از جزئیات پولی باشد و فقط بر اساس شاخص‌های قیمت و زمان کار کند.
2. ماژول ابزار سیستم (System Utilities Module): شامل توابع کمکی برای تعامل با پلتفرم (دریافت قیمت، وضعیت حساب، ارسال سفارش). این ماژول جایی است که تشخیص نوع حساب در آن قرار دارد.
3. ماژول مدیریت ریسک تطبیقی (Adaptive Risk Manager – ARM): این ماژول، پارامترهای محیطی را از ماژول ابزار دریافت کرده و محاسبات Lot Sizing را بر اساس فرمول‌های تطبیقی انجام می‌دهد.

مثال شبه‌کد برای تشخیص نوع حساب و تنظیم خودکار پارامترها:

VAR AccountType = "UNKNOWN";
VAR PVM = 1.0; // Default to Standard Multiplier

// Step 1: Check for specific account type identifiers (broker dependent)
IF AccountInfoString(ACCOUNT_NAME) CONTAINS "CENT" THEN
    AccountType = "CENT";
    PVM = 0.01;
END IF

// Step 2: Cross-check with Digits and Tick Size if available (MQL5 example)
VAR CurrentDigits = SymbolInfoInteger(_Symbol, SYMBOL_DIGITS);
IF CurrentDigits == 5 OR CurrentDigits == 3 THEN // Often indicative of Cent or N-digit accounts
    // More complex checks needed here, perhaps comparing Balance scale
    IF AccountInfoDouble(ACCOUNT_BALANCE) < 1000.00 AND CurrentDigits == 5 THEN
        IF AccountType == "UNKNOWN" THEN
            AccountType = "CENT_INFERRED";
            PVM = 0.01;
        END IF
    END IF
END IF

// Update Global Configuration Structure
CONFIG.RiskMultiplier = PVM;
CONFIG.MinLot = (AccountType == "CENT") ? 0.01 : 0.01; // Adjust min lot based on broker's minimum for the account type
CONFIG.MaxLot = (AccountType == "CENT") ? 10.0 : 50.0; // Example maximum difference

نکات مهم برای فروش یا ارائه ربات به کاربران نهایی

هنگامی که ربات آماده ارائه به تریدرهای نهایی است، شفافیت در مورد نحوه عملکرد آن در محیط‌های مختلف حیاتی است.

1. مستندسازی الزامات حساب: به صراحت اعلام کنید که ربات برای اجرا به چه نوع حسابی (Cent یا Standard) و چه سطح اهرمی نیاز دارد. تأکید کنید که اگرچه هسته استراتژی ثابت است، اما پارامترهای مدیریت ریسک به صورت خودکار بر اساس Lot Sizing تطبیق می‌یابند.
2. تعریف حداقل سرمایه: برای حساب‌های سنت، یک حداقل سرمایه اولیه (مثلاً 100 دلار) را توصیه کنید تا ربات بتواند در بازه $\text{Min Lot}$ و $\text{Max Lot}$ کار کند. برای حساب استاندارد، ریسک دلاری بر اساس این سرمایه محاسبه خواهد شد.
3. تعهد به تست‌های زنده (Forward Testing): هرگز نتایج بک‌تست را به عنوان تضمین سودآوری در محیط زنده ارائه ندهید. کاربران باید تشویق شوند که ابتدا ربات را برای 1 تا 3 ماه روی حساب Cent اجرا کنند تا از پایداری اجرای زنده (Execution Quality) اطمینان یابند، پیش از آنکه ریسک قابل توجهی را در حساب استاندارد متحمل شوند. این امر از شکایت‌های آتی مبنی بر “تفاوت عملکرد” جلوگیری می‌کند.
4. استانداردسازی پارامترهای ورودی: پارامترهای ورودی که مستقیماً مربوط به مدیریت ریسک هستند (مانند درصد ریسک یا فاصله SL/TP) باید تا حد امکان ثابت نگه داشته شوند. پارامترهای مربوط به اجرا (مانند اسلیپیج مجاز) باید به صورت Default و با توصیه‌هایی برای تنظیمات خاص کارگزاری (Broker Specific Settings) ارائه شوند.

نتیجه‌گیری: مهندسی معکوس پلتفرم‌های معاملاتی

طراحی موفق ربات برای محیط‌های معاملاتی متنوع، نیازمند مهندسی معکوس دقیق پلتفرم معاملاتی و فهم عمیق تفاوت‌های موجود در زیرساخت حساب‌ها است. تفاوت‌های 100 برابری در ارزش اسمی پول بین حساب‌های Cent و Standard، بزرگترین مانع برای پایداری سیستم‌های معاملاتی خودکار محسوب می‌شود. با اتخاذ یک معماری ماژولار که در آن ماژول‌های مدیریت ریسک و تنظیمات محیطی (ICM و ARM) از منطق اصلی استراتژی جدا شده‌اند، می‌توان رباتی ساخت که نه تنها روی یک نوع حساب کار کند، بلکه بتواند به صورت پویا پارامترهای خود را برای حفظ Risk Management ثابت در هر محیطی تنظیم نماید. این سطح از تطبیق‌پذیری، رمز موفقیت Expert Advisorهای نسل جدید در بازار فارکس و CFD است.