XauBot/docs/arsitektur-ai/02-XGBoost-Signal-Predictor.md

XGBoost — Signal Predictor

File: src/ml_model.py Model: models/xgboost_model.pkl Library: xgboost

---

Apa Itu XGBoost Signal Predictor?

XGBoost (Extreme Gradient Boosting) adalah model machine learning yang memprediksi sinyal trading — BUY, SELL, atau HOLD — berdasarkan 37 fitur teknikal. Model ini berfungsi sebagai konfirmasi kedua setelah analisis SMC.

---

Alur Prediksi

graph LR
    A["37 Fitur Teknikal"] --> B["XGBoost Model"]
    B --> C["Probabilitas per Kelas"]
    C --> D["BUY: 72%"]
    C --> E["SELL: 18%"]
    C --> F["HOLD: 10%"]
    D --> G["Signal: BUY<br/>Confidence: 72%"]

---

37 Features (Fitur Input)

Model menerima 37 fitur yang dihitung oleh FeatureEngineer:

Grup	Fitur	Jumlah
Momentum	RSI 14, RSI 7, MACD, MACD Signal, MACD Histogram	5
Volatilitas	ATR 14, Bollinger Upper/Lower/Width, Keltner Channel	5
Trend	EMA 9/20/50, SMA 20/50, EMA Crossover	6
Volume	Volume Ratio, Volume MA, OBV, Volume Change	4
Price Action	Body Size, Shadow Ratio, Candle Pattern, Jarak dari EMA	5
Struktur	Higher High/Lower Low, Swing Detection, BOS/CHoCH	4
Derived	Returns (1/3/5 bar), Volatility Ratio, Momentum Score	5
Lagged	Fitur-fitur di atas dengan lag 1-3 bar	3

---

Output: Prediksi

@dataclass
class MLPrediction:
    signal: str          # "BUY", "SELL", atau "HOLD"
    confidence: float    # 0.0 - 1.0
    probabilities: Dict  # {"BUY": 0.72, "SELL": 0.18, "HOLD": 0.10}

---

Peran dalam Sistem

XGBoost bukan pembuat keputusan utama — fungsinya adalah konfirmasi dan filter:

graph TD
    SMC["SMC Analyzer<br/>Sinyal Utama"] --> COMBINE["Kombinasi Sinyal"]
    ML["XGBoost<br/>Konfirmasi"] --> COMBINE
    COMBINE --> CHECK{"ML setuju?"}
    CHECK -->|"Ya (≥50%)"| PASS["✅ Lanjut ke filter berikutnya"]
    CHECK -->|"Sangat tidak setuju (>65%)"| VETO["🛑 VETO — blokir entry"]
    CHECK -->|"Ragu (<50%)"| SKIP["⚠️ Skip — confidence terlalu rendah"]

Aturan Kombinasi:

Kondisi	Aksi
SMC = BUY, ML = BUY (≥50%)	✅ Konfirmasi — lanjut
SMC = BUY, ML = HOLD	⚠️ Skip — ML tidak yakin
SMC = BUY, ML = SELL (≥65%)	🛑 VETO — ML strongly disagree
SMC = BUY, ML = SELL (<65%)	✅ Pass — ML kurang yakin untuk veto

---

Confidence Threshold

Level	Nilai	Penggunaan
Minimum	0.50	Batas paling rendah untuk diterima
Entry	0.65-0.70	Default dari DynamicConfidence
High	0.75	Sinyal kuat — lot multiplier aktif
Very High	0.80	Sangat yakin — batas atas

Threshold disesuaikan secara dinamis oleh DynamicConfidenceManager berdasarkan kondisi pasar.

---

Training

# train_models.py
model = XGBClassifier(
    n_estimators=500,
    max_depth=6,
    learning_rate=0.01,
    subsample=0.8,
    colsample_bytree=0.8,
    min_child_weight=3,
    reg_alpha=0.1,    # L1 regularization
    reg_lambda=1.0,   # L2 regularization
)

# Training data: 1000+ bar XAUUSD M15
# Label: Pergerakan harga setelah N bar
# Validasi: Walk-forward dengan 80/20 split

Auto-Retrain

Model otomatis di-retrain oleh AutoTrainer setiap 7 hari atau saat:

• Akurasi prediksi turun signifikan
• Distribusi pasar berubah
• Confidence calibration menyimpang

---

Penyimpanan Model

Properti	Nilai
Format	.pkl (pickle) via xgboost
Lokasi	models/xgboost_model.pkl
Ukuran	~1-5 MB
Fitur	37 kolom (harus identik saat training dan inference)
Retrain	Otomatis tiap 7 hari