Conçue par Claude. Apprentissage par renforcement (RL) qui s'adapte en continu au marché. Optimise le ratio risque/récompense automatiquement.
AutoWin RL est une stratégie de trading par renforcement (Reinforcement Learning) conçue par Claude. Contrairement aux stratégies classiques basées sur des règles fixes, AutoWin apprend à trader en interagissant avec l'environnement de marché — comme un joueur de jeu vidéo qui améliore sa stratégie à chaque partie. L'agent RL reçoit une récompense positive pour les trades profitables et négative pour les pertes, développant progressivement une politique de trading optimale pour Bitcoin et les cryptomonnaies.
Stratégie conçue par Claude
Agent de Reinforcement Learning (Deep Q-Network modifié). L'état = 20 features de marché (prix, volume, RSI, MACD, volatilité, etc.). L'action = acheter / vendre / attendre. La récompense = PnL ajusté au risque (Sharpe incrémental). Entraînement continu sur les données récentes avec decay de mémoire (les patterns anciens sont progressivement oubliés).
Politique apprise par Deep Q-Network. Features d'entrée : prix normalisé, RSI, MACD, volatilité ATR, volume relatif, position dans les Bollinger, momentum multi-période. L'agent choisit l'action optimale selon sa politique apprise — pas de règles fixes.
Modéré
S'adapte aux changements de marché (apprentissage continu). Découvre des patterns non-linéaires invisibles aux indicateurs classiques. Pas de biais humain dans la prise de décision. Combine implicitement des dizaines de signaux.
Comportement parfois imprévisible (boîte noire). Risque d'overfitting sur les données récentes. Instabilité possible lors du réentraînement. L'environnement de marché change plus vite que la vitesse d'apprentissage.
Explorez les 74 stratégies de trading dans 4 arènes
🏟️ Voir toutes les stratégies