PMTS Signal Engine के अंदर: कच्चे MT5 tick data से trading निर्णय तक — 29 मई 2026

संस्थागत पूंजी आवंटकों द्वारा PMTS में पूंजी सब्सक्राइब करने से पहले पूछे जाने वाले सबसे लगातार प्रश्नों में से एक अवधारणात्मक रूप से सरल लेकिन तकनीकी रूप से सघन है: ब्रोकर से एक tick आने और बाजार में एक order वापस भेजे जाने के बीच, यांत्रिक रूप से, क्या होता है? उत्तर है — एक बहु-चरण signal engine। यह लेख उस engine की वास्तुकला का दस्तावेजीकरण करता है जैसा कि वह 29 मई 2026 को XAUUSD बाजार के लिए MetaTrader 5 पर कार्य करता है, और यह दर्शाता है कि वह किस तरह का लाइव प्रदर्शन फुटप्रिंट उत्पन्न करता है।

Signal engine क्यों मायने रखता है

एक trading प्रणाली केवल उतनी ही अच्छी होती है जितनी अनुशासन उस pipeline में अंतर्निहित होता है जो शोरगुल वाली market microstructure को एक द्विआधारी निर्णय में बदलता है: trade करना या किनारे रहना। विवेकाधीन traders इस pipeline को सहज ज्ञान में संपीड़ित करते हैं। दूसरी ओर, systematic platforms को इसे code के रूप में व्यक्त करना होता है — पुनरुत्पाद्य, ऑडिट योग्य और regime परिवर्तन के तहत लचीला। PMTS को पहले दिन से ही इसी सीमा के चारों ओर इंजीनियर किया गया है।

परिणाम हमारे backend में प्रकाशित प्लेटफ़ॉर्म-वाइड मेट्रिक्स में दिखाई देता है। पिछले 30 दिनों में, PMTS ने पूरी खाता आबादी पर 4,964 trades निष्पादित किए हैं, 59.11% win rate और कुल शुद्ध लाभ USD 3,107,536.84 के साथ। 22 और 29 मई 2026 के बीच 7-दिनों की rolling window में, engine ने 213 trades उत्पन्न किए, जिनमें से 74.18% लाभ में बंद हुए, कुल equity में USD 244,302.59 का योगदान दिया। ये संख्याएँ इस लेख का लक्ष्य नहीं हैं — ये नीचे वर्णित वास्तुकला का परिणाम हैं।

चरण 1: tick ingestion और microstructure normalization

Pipeline broker bridge पर शुरू होती है। प्रत्येक PMTS Expert Advisor एक MT5 terminal से जुड़ा है जो हमारे वर्तमान में समर्थित सात brokers में से एक से जुड़ा है (MetaQuotes, DarwinexZero, FTMO, MultiBank Group, MEX Atlantic, अन्य, 19 production accounts में वितरित)। EA XAUUSD के लिए OnTick event की सदस्यता लेता है और प्रत्येक quote को निश्चित गहराई वाले एक circular in-memory buffer में लिखता है।

इस चरण में engine अभी तक भविष्यवाणी का प्रयास नहीं कर रहा है। यह तीन निर्धारक संचालन कर रहा है:

• Outlier filtering. Quote feeds में कभी-कभी बासी prints, broker pre-open snapshots या कम तरलता window में wide-spread spikes होते हैं। एक median-deviation filter किसी भी ऐसे tick को अस्वीकार कर देता है जिसका bid-ask midpoint rolling median से एक configurable threshold से अधिक भटकता है।
• Spread-aware mid-price reconstruction. चूंकि XAUUSD spreads एशिया-लंदन handoff के दौरान और FOMC सुर्खियों के आसपास भौतिक रूप से चौड़े हो सकते हैं, engine हाल की गहराई से भारित एक सिंथेटिक mid-price की गणना करता है, न कि सरल (bid+ask)/2 की। यह सिंथेटिक मूल्य ही प्रत्येक downstream module उपभोग करता है।
• Timestamp alignment. Broker server समय UTC में normalize किए जाते हैं और एक-सेकंड, एक-मिनट और पाँच-मिनट bars में पुनर्बकेट किए जाते हैं। Engine इन bars को समानांतर में बनाए रखता है, क्योंकि विभिन्न sub-strategies विभिन्न क्षितिजों पर संचालित होती हैं।

चरण 2: feature engineering — कीमतों को प्रश्नों में बदलना

दूसरा चरण वह है जहाँ कच्चे quotes प्रतीक्षारत निर्णय बन जाते हैं। प्रत्येक नया bar पाँच परिवारों को कवर करने वाले feature vector की गणना को ट्रिगर करता है: trend, volatility, momentum, liquidity और macro context।

Trend features में adaptive moving averages, कई lookbacks पर slope-of-regression और backoffice dashboard में दृश्य पुष्टि के लिए Heikin-Ashi-शैली का smoothing शामिल है। Volatility features में 14, 50 और 200 periods पर ATR, realized variance अनुमानक और रात भर के gaps के प्रति मजबूत Yang-Zhang range अनुमानक शामिल हैं। Momentum features RSI, Stochastic और एक स्वामित्व वाला divergence detector कवर करते हैं जो स्कोर करता है जब price highs की momentum highs द्वारा पुष्टि नहीं की जाती।

Liquidity features मात्रात्मक रूप से बताते हैं कि वर्तमान मूल्य स्तर पर बाजार कितना अवशोषित करने के लिए तैयार है — spread, quote updates की दर और order book proxies के माध्यम से अनुमानित गहराई से प्राप्त। अंत में, macro context features निर्धारित घटनाओं की वर्तमान निकटता को इंजेक्ट करते हैं: minutes-to-FOMC, time-since-NFP, और क्या Fed blackout window सक्रिय है। Engine जानबूझकर macro proximity को एक feature के रूप में मानता है, hard switch के रूप में नहीं — हम चाहते हैं कि सिस्टम बड़े prints के पास signal confidence को कम वजन दे, न कि आँख बंद करके trading बंद कर दे।

चरण 3: regime classification

PMTS में सबसे महत्वपूर्ण वास्तुशिल्पीय विकल्प है regime detection और signal generation के बीच स्पष्ट पृथक्करण। अधिकांश retail Expert Advisors दोनों को संक्षिप्त करते हैं: वे pattern detect होते ही entries firing कर देते हैं, भले ही market trending हो, mean-reverting हो, या किसी range में compress हो रहा हो। PMTS इसके विपरीत करता है। प्रत्येक feature vector को पहले एक regime classifier के माध्यम से रूट किया जाता है जो वर्तमान market state को चार buckets में से एक को सौंपता है: trending bullish, trending bearish, mean-reverting, और high-volatility transition।

प्रत्येक bucket एक भिन्न sub-strategy ensemble को सक्रिय करता है। उदाहरण के लिए, trending bullish regime breakout-continuation modules को सक्रिय करेगा और mean-reversion shorts को पूरी तरह से अक्षम करेगा। एक high-volatility transition regime, जो FOMC statement से पहले के घंटों में सामान्य है, engine को छोटे position sizes और कड़े risk caps की ओर पक्षपात करता है। यही कारण है कि PMTS शायद ही कभी एक मजबूत trend के विरुद्ध counter-trend module के साथ लड़ने के क्लासिक algo failure mode से पीड़ित होता है — classifier ने पहले ही गलत उपकरणों को चुप करा दिया है।

चरण 4: signal scoring और confluence

एक सक्रिय regime के भीतर, कई sub-strategies स्वतंत्र रूप से −1 से +1 के रेंज में scores उत्पन्न करती हैं। फिर signal engine साधारण औसत के बजाय एक confluence rule का उपयोग करके इन scores को एकत्रित करता है। एक trade केवल तभी विचारित होती है यदि (a) कम से कम दो स्वतंत्र sub-strategies दिशा पर सहमत हों, (b) उनका संयुक्त score regime-प्रति-calibrated threshold को पार करे, और (c) macro-proximity feature निष्पादन पर वीटो न करे।

यह confluence requirement हाल के निष्पादन की गुणवत्ता के पीछे का सबसे महत्वपूर्ण कारण है। मई data window में account 25 पर, PMTS ने 82 trades में 64.63% win rate के साथ 2.5793 का profit factor उत्पन्न किया। विशेष रूप से XAUUSD symbol पर, ऐतिहासिक profit factor 2.0942 पर खड़ा है, जिसका औसत लाभ USD 158.75 बनाम औसत हानि USD 81.03 है — लगभग 2:1 का win/loss ratio जो engine द्वारा संरचनात्मक रूप से लागू किया गया है, trades को चुनने का परिणाम नहीं।

चरण 5: risk-adjusted execution

एक signal अभी एक order नहीं है। अंतिम चरण एक portfolio-level risk filter लागू करता है जो विचार करता है: सभी 19 production accounts पर खुला exposure, सक्रिय positions के बीच वर्तमान सहसंबंध, दैनिक और साप्ताहिक loss circuit breakers की दूरी, और प्रति account currency (EUR, USD, GBP) उपलब्ध free margin। केवल risk module की मंजूरी के बाद ही order MT5 के माध्यम से broker के पास जाता है।

निष्पादन स्वयं regime के आधार पर market और pending orders में विभाजित है। Trending regimes में engine continuation पकड़ने के लिए market orders को प्राथमिकता देता है; mean-reverting regimes में यह गणना किए गए reversion स्तरों पर pending orders को प्राथमिकता देता है। प्रत्येक fill पर slippage लॉग किया जाता है और spread-aware mid-price model के अगले iteration में वापस फीड किया जाता है — एक closed loop जो manual recalibration के बिना धीरे-धीरे execution quality को कसता है।

Auditability: प्रत्येक निर्णय एक निशान छोड़ता है

Pipeline का प्रत्येक चरण एक server-side database में संरचित log प्रविष्टियाँ लिखता है। प्रत्येक trade के लिए, entry के क्षण में सटीक feature vector, regime classification, sub-strategy scores, confluence परिणाम और अंतिम risk निर्णय को पुनर्निर्मित किया जा सकता है। यही PMTS को इस तरह auditable बनाता है जो black-box AI सिस्टम सामान्यतः नहीं होते। निवेशक प्लेटफॉर्म dashboard पर प्रत्येक account के पीछे सटीक मेट्रिक्स सत्यापित कर सकते हैं: Sharpe-शैली अनुपात, Sortino deviation, पर्याप्त इतिहास उपलब्ध होने पर Calmar अनुपात, win rate, profit factor, और drawdown ज्यामिति।

संस्थागत account snapshot पर, PMTS मात्र 0.7277% का अधिकतम drawdown बनाए रखता है — यह मेट्रिक headline profit संख्याओं की तुलना में सिस्टम integrity का अधिक प्रतिनिधि है। एक signal engine जो बड़े drawdowns की कीमत पर मजबूत returns उत्पन्न करता है, संरचनात्मक रूप से, उस सिस्टम से कम मूल्यवान है जो कम drawdowns पर मध्यम returns उत्पन्न करता है — संस्थागत आवंटक इसे समझते हैं; उपरोक्त वास्तुकला इसी समझ के चारों ओर निर्मित है।

निवेशक के लिए इसका क्या अर्थ है

संस्थागत ग्राहक को प्रत्येक module के कार्यान्वयन विवरण को जानने की आवश्यकता नहीं है। जो मायने रखता है वह है operating contract: PMTS (1) केवल तभी trade करेगा जब एक सक्रिय regime की पहचान हो, (2) केवल तभी निष्पादित करेगा जब स्वतंत्र sub-strategies एक दूसरे की पुष्टि करें, (3) macro घटनाओं के आसपास स्वचालित रूप से नीचे scale करेगा, और (4) किसी भी trade को अस्वीकार करेगा जो portfolio-level risk caps का उल्लंघन करेगा। यही contract है जो लगभग 5,000 trades के 30-दिवसीय footprint को 59.11% win rate पर बेलगाम drawdowns के बिना उत्पन्न करता है।

यदि आप अपने स्वयं के risk parameters के विरुद्ध PMTS का मूल्यांकन करना चाहते हैं, तो आप एक evaluation account खोल सकते हैं और वास्तविक समय में अपने व्यक्तिगत dashboard पर ऊपर दिखाए गए समान मेट्रिक्स की निगरानी कर सकते हैं। इस लेख में वर्णित engine वही engine है जो उन संख्याओं को उत्पन्न करता है — कोई अलग production version नहीं है।

पिछला प्रदर्शन भविष्य के परिणामों की गारंटी नहीं देता है। Trading में नुकसान का पर्याप्त जोखिम शामिल है और यह प्रत्येक निवेशक के लिए उपयुक्त नहीं है। इस लेख में उद्धृत KPIs 29 मई 2026 तक की aggregated platform performance को दर्शाते हैं और भविष्य की अवधियों के प्रतिनिधि नहीं हो सकते हैं। पूंजी आवंटित करने से पहले हमेशा एक योग्य वित्तीय सलाहकार से परामर्श लें।