EA + AI Feedback Loop — เมื่อ Bot เทรดเรียนรู้จากความผิดพลาดของตัวเอง
EA แบบเดิม parameter ตายตัว ตลาดเปลี่ยนก็แพ้ ระบบนี้ต่างออกไป — AI วิเคราะห์ทันทีหลังปิดออเดอร์ แล้วปรับ SL/TP/Lot ให้ EA อัตโนมัติ พร้อม EA Factoring ขยายจาก 1 เป็น 10 instance ด้วย code เดียวกัน
EA 70% เจ๊งภายใน 6 เดือน เพราะปัญหาเดียวกัน — parameter ตายตัว ตลาดเปลี่ยนแต่ EA ยังใช้ค่าเดิม
ระบบที่จะแชร์ในบทความนี้แก้ปัญหานี้ด้วย AI Feedback Loop — EA เทรด → ปิดออเดอร์ → AI วิเคราะห์ทันที → ปรับ SL/TP/Lot อัตโนมัติ ทั้งหมดไม่ต้องนั่งปรับเอง พร้อม EA Factoring ที่ขยายจาก EA 1 ตัวเป็น 10 instance ด้วย code เดียวกัน ยังอยู่ระหว่างทดสอบแต่แนวคิดใช้ได้จริง
ตั้ง SL 50 pip, TP 100 pip, Lot 0.1 ไว้ตอนแรก แล้วก็ปล่อยให้วิ่งไป ตลาดเปลี่ยน volatility เพิ่มขึ้น 3 เท่า EA ยังใช้ค่าเดิม ลองหาทางแก้จนมาถึงแนวคิดนี้ — ถ้า AI วิเคราะห์ผลเทรดจริงทุกครั้งที่ปิดออเดอร์ แล้วปรับค่า EA ให้อัตโนมัติได้ล่ะ?
EA เทรด → ปิดออเดอร์ → AI วิเคราะห์ทันที → ปรับ parameter → EA เทรดด้วยค่าใหม่ → วนซ้ำ — นี่คือ Self-Improving Trading System
แล้วพอคิดต่อ — ถ้า EA ตัวเดียวใส่ได้หลายคู่เงิน แต่ละคู่เลือก AI คนละตัวได้ มันก็เหมือน "โรงงาน" ที่ขยายกำลังผลิตได้ จาก EA 1 ตัว กลายเป็น 10 instance ได้เลย
สั่ง AI ผ่าน Cursor ให้ออกแบบทั้งระบบ ใช้เวลาไม่กี่วันก็ได้ prototype ที่ทำงานได้จริง — MQL5 code, database, AI pipeline, dashboard, ระบบความปลอดภัย ครบ ยังอยู่ระหว่างทดสอบและปรับปรุงต่อ
ทำไม EA แบบเดิมถึงเจ๊ง — ปัญหาที่คนเทรดอัตโนมัติเจอทุกคน?
EA (Expert Advisor) แบบดั้งเดิมบน MetaTrader 5 ใช้ parameter คงที่ เช่น Stop Loss, Take Profit, Lot Size ที่ตั้งไว้ตอน backtest เมื่อสภาพตลาดเปลี่ยน — volatility เพิ่ม spread กว้างขึ้น หรือ session เปลี่ยน — EA ยังใช้ค่าเดิม ทำให้ performance ตกลงต่อเนื่อง
ใน 6 เดือนแรก เพราะ parameter ไม่ปรับตามตลาด
AI วิเคราะห์ทันทีหลังปิดออเดอร์ ไม่ต้องรอรอบ
Claude, GPT, Gemini, Grok, Llama — สลับได้ทันที
ปัญหาจริงๆ ไม่ใช่ "EA ไม่ดี" — แต่คือ EA ไม่มีสมอง มันทำตามสิ่งที่ตั้งไว้ ไม่สนว่าตลาดเปลี่ยนไปแค่ไหน
คนที่เทรดด้วย EA มักจบด้วย 2 ทาง:
- ปล่อย EA วิ่ง → ตลาดเปลี่ยน → ขาดทุนหนัก → ปิด EA
- นั่งปรับค่าเอง → เสียเวลามาก → ปรับไม่ทัน → ก็ยังขาดทุน
ถ้ามีวิธีที่ 3 — ให้ AI ดูผลเทรดจริงทุกครั้งที่ปิดออเดอร์ แล้วปรับค่าให้อัตโนมัติล่ะ?
EA + AI Feedback Loop คืออะไร — ระบบที่ปรับตัวเองได้จริงๆ?
EA + AI Feedback Loop คือระบบเทรดอัตโนมัติแบบ Closed-Loop ที่ EA เทรดและบันทึกผลเป็น CSV 27 คอลัมน์ ทุกครั้งที่ปิดออเดอร์ ข้อมูลจะถูก import เข้า database ภายใน 5 นาที แล้ว trigger AI วิเคราะห์ทันที — ไม่ต้องรอรอบ AI เลือกได้ 8 โมเดล ตอบกลับเป็น config ใหม่ที่ EA อ่านแล้วปรับค่าเอง
พูดง่ายๆ คือ — EA ทำหน้าที่เทรด AI ทำหน้าที่คิด และทั้งสองคุยกันผ่านไฟล์ CSV + Config อัตโนมัติ
Feedback Loop — Event-Driven ไม่ต้องรอรอบ
Trigger: ปิดออเดอร์ → CSV Import (5 นาที) → AI Analyze → เขียน Config | Auto-Rollback ตรวจทุก 12 ชม.
สิ่งที่ต่างจาก EA + AI ระบบอื่น — ไม่ใช่ schedule-based ไม่ต้องรอทุก 6 ชั่วโมงหรือทุกวัน AI จะ trigger เมื่อมี trade ใหม่เข้ามาจริง ยิ่งเทรดบ่อย AI ยิ่งเรียนรู้เร็ว
ทั้งระบบสร้างด้วยการสั่ง AI ผ่าน Cursor — ไม่ได้พิมพ์ code เองแม้แต่บรรทัดเดียว ยังอยู่ระหว่างทดสอบและปรับปรุง
EA Factoring คืออะไร — ทำไม EA ตัวเดียวขยายได้เป็น 10?
EA Factoring คือแนวคิดที่ใช้ EA base เดียวกัน แล้ว "คูณ" ออกเป็นหลาย instance ด้วยการเปลี่ยน 3 ตัวแปร คือ คู่เงิน (symbol), AI model ที่ใช้วิเคราะห์, และ parameter set — แต่ละ instance ทำงานอิสระ มี config แยก มี AI วิเคราะห์แยก ทำให้จาก EA 1 ตัวกลายเป็นพอร์ตเทรดหลายมิติได้
ตอนแรกมี EA 1 ตัว เทรด XAUUSD (Gold) อย่างเดียว ใช้ Claude Sonnet วิเคราะห์ พอระบบเสถียรแล้วก็เริ่มคิด — ถ้าเปลี่ยนคู่เงินเป็น BTCUSD ล่ะ? ถ้าใช้ Gemini วิเคราะห์แทนล่ะ?
ปรากฏว่า ทำได้ทันที เพราะระบบออกแบบมาให้แยกกันตั้งแต่แรก
EA Factoring — จาก 1 เป็น 10+ Instance
Scalper
Logic เดียวกัน
3 แกนที่ "คูณ" ได้:
- เปลี่ยนคู่เงิน (Symbol) — EA ตัวเดียว attach chart XAUUSD ก็ได้ BTCUSD ก็ได้ EURUSD ก็ได้ แต่ละคู่มี config แยก AI วิเคราะห์แยก
- เปลี่ยน AI Model — คู่เงินเดียวกัน แต่ใช้ Claude วิเคราะห์กับใช้ Gemini วิเคราะห์ ผลอาจต่างกัน เปรียบเทียบได้ว่า AI ตัวไหนเหมาะกับตลาดไหน
- เปลี่ยน Parameter Set — sensitivity สูง (เข้าบ่อย lot น้อย) vs sensitivity ต่ำ (เข้าน้อย lot เยอะ) ทดสอบ config ได้หลายแบบพร้อมกัน
EA 1 ตัว × 3 คู่เงิน × 2 AI models = 6 instances ที่ทำงานอิสระ เรียนรู้แยก ปรับตัวแยก — จากจุดเริ่มต้นเดียวกัน
เพราะทุก instance มี ea_id แยกใน database แต่ละตัวมี config version history ของตัวเอง AI analysis ของตัวเอง สรุปได้ว่า "XAUUSD + Claude ทำได้ดีกว่า XAUUSD + Gemini" จากข้อมูลจริง ไม่ใช่แค่เดา
ระบบทั้งหมดทำงานยังไง — สถาปัตยกรรมจาก EA ถึง AI?
ระบบแบ่งเป็น 2 ฝั่ง คือ Windows VPS ที่รัน MetaTrader 5 กับ EA Spike Scalper และ Linux Server ที่รัน PostgreSQL, n8n, Grafana, Dashboard ผ่าน Docker 4 containers เชื่อมกันด้วย CSV file sharing ผ่าน SMB — EA เขียน CSV ทุกครั้งที่ปิด order, n8n อ่านทุก 5 นาที แล้ว trigger AI ทันที
System Architecture — 2 Servers, 4 Containers
EA เทรด → บันทึก CSV → n8n import → AI วิเคราะห์ → เขียน Config → EA อ่านค่าใหม่ — ทั้งหมดอัตโนมัติ ไม่ต้องนั่งดูเอง
Data Pipeline ทำงานยังไง?
n8n (open-source workflow automation) เป็น "สายพาน" ของระบบ — มี 5 workflows ที่ทำงานร่วมกัน:
| Workflow | Trigger | หน้าที่ |
|---|---|---|
| CSV Importer | ทุก 5 นาที | อ่าน CSV ใหม่ → Parse → INSERT เข้า PostgreSQL → Trigger AI Analyzer |
| AI Analyzer | Webhook จาก Importer | Query trades → 5-Expert Prompt → OpenRouter → เขียน Config ใหม่ |
| Auto-Rollback | ทุก 12 ชม. | เทียบ performance → ถ้าแย่ลง ย้อน config กลับ |
| Model Sync | ทุก 1 นาที | Sync AI model selection ระหว่าง Dashboard ↔ EA |
| DB Backup | ทุกวัน 3AM | SQL dump เก็บ 30 วัน |
จุดสำคัญ: AI Analyzer ไม่ใช่ schedule — มัน trigger ผ่าน webhook จาก CSV Importer เมื่อ import trade ใหม่เข้ามา ถ้าวันนั้นไม่มี trade ปิด AI ก็ไม่ทำงาน ถ้าปิด 20 ออเดอร์ AI ก็วิเคราะห์ทุกรอบ import ที่มี trade ใหม่
EA Spike Scalper ทำอะไรบ้าง?
EA ตัวนี้ไม่ใช่ EA ง่ายๆ — มี logic หลายชั้น:
- 🔍 Spike/Crash Detection — ตรวจจับแท่งเทียนที่ body ใหญ่ผิดปกติเทียบกับ ATR แล้วเทรดตามทิศ
- 📊 Scale-In 4 ระดับ — ยิ่ง spike แรง ยิ่งเข้า lot เยอะ (Level 25, 50, 75, 100)
- 📈 HTF Alignment — ต้อง H1/H4/D1 trend สอดคล้อง ไม่เทรดสวน trend ใหญ่
- 🎯 Hybrid TP — ปิดกำไรบางส่วนก่อน (TP1) แล้วปล่อย trailing stop ให้กำไรวิ่ง
- 🛡️ News Guard — หยุดเทรด 30 นาทีก่อน-หลัง high-impact news
- 🔄 Multi-Symbol — attach กี่ chart ก็ได้ เทรด BTC, XAU, Forex พร้อมกันจาก EA code เดียวกัน
ทุก trade ที่ปิด EA จะบันทึกลง CSV ทันที — วันเวลา, ราคาเข้า-ออก, profit/loss, MAE (จุดขาดทุนสูงสุดระหว่างถือ), MFE (จุดกำไรสูงสุดระหว่างถือ), session, HTF direction รวม 27-30 คอลัมน์ต่อ trade
ข้อมูลเหล่านี้คือ "อาหาร" ให้ AI
AI 5 Expert Roles วิเคราะห์การเทรดยังไง?
AI Analyzer ใช้ multi-expert prompting — ส่ง prompt ที่ให้ AI สวมบทบาท 5 ผู้เชี่ยวชาญพร้อมกัน วิเคราะห์ข้อมูลเทรดจริง 27 คอลัมน์ แล้วตอบกลับเป็น JSON พร้อม confidence score ต้องได้ ≥ 0.7 ถึงจะเขียน config ใหม่ให้ EA — ถ้าไม่ถึง ระบบข้ามรอบนั้นไป สลับ AI model ได้ทันทีผ่าน Dashboard ไม่ต้องแก้ code
ทำไมถึงใช้ 5 roles แทน prompt เดียว? เพราะ AI ที่ได้รับ "บทบาทชัด" จะวิเคราะห์ลึกกว่า prompt กว้างๆ แบบ "วิเคราะห์การเทรดให้หน่อย" ลองมาแล้ว ผลต่างกันชัดเจน
5 Expert Roles — AI วิเคราะห์ทุกมุม
นอกจาก 5 roles แล้ว prompt ยังใส่ Portfolio Context เข้าไปด้วย — AI จะรู้ว่ากำลังวิเคราะห์ Gold, BTC, หรือ Forex เพราะแต่ละตลาดมีพฤติกรรมต่างกัน Gold มี volatility สูงช่วง London Open, BTC เทรดได้ 24/7 แต่ spread กว้างช่วง weekend
และที่สำคัญ — เปลี่ยน AI model ได้ทุกเมื่อผ่าน Dashboard ถ้ารู้สึกว่า Claude วิเคราะห์ Gold ได้ดี แต่ Gemini เหมาะกับ BTC มากกว่า ก็ตั้งแยกกันได้เลย Model Sync workflow จะ sync ภายใน 1 นาที
Confidence Gate ≥ 0.7 — ถ้า AI ไม่มั่นใจพอ ก็ไม่เขียน config ใหม่ ปล่อย EA ใช้ค่าเดิมไปก่อน ดีกว่าเสี่ยง
ถึงตรงนี้ — รู้แล้วว่าระบบทำงานยังไง
EA เทรด → CSV → AI วิเคราะห์ 5 บทบาท → ปรับ Config อัตโนมัติ — ต่อไปคือระบบ Safety 4 ชั้นที่ป้องกันไม่ให้ AI พาเจ๊ง
ระบบความปลอดภัย 4 ชั้นป้องกันอะไรบ้าง?
สิ่งสำคัญที่สุดของระบบเทรดอัตโนมัติไม่ใช่ "กำไรเยอะ" — แต่คือ "ไม่เจ๊ง" ถ้าอยู่รอดได้ โอกาสกำไรมีเสมอ ระบบนี้จึงออกแบบ safety 4 ชั้นซ้อนกัน
Config Safety Bounds — AI ปรับค่าได้แค่ในกรอบนี้
| Parameter | Min | Max | Default |
|---|---|---|---|
| sl_mult (Stop Loss) | 0.1 | 5.0 | 1.0 |
| tp_mult (Take Profit) | 0.1 | 5.0 | 1.0 |
| lot_mult (Lot Size) | 0.1 | 3.0 | 1.0 |
| max_dd_percent | 5% | 50% | 20% |
| daily_loss_percent | 1% | 20% | 3% |
แม้ AI จะแนะนำค่า lot_mult = 10.0 ระบบก็ clamp เหลือ 3.0 — ป้องกัน over-leverage
ระบบ trading ที่ดีไม่ใช่ระบบที่ "กำไรเยอะ" แต่คือระบบที่ "รู้ว่าตัวเองผิดเมื่อไหร่ แล้วแก้ได้เร็ว"
เลือก AI Model ยังไงให้คุ้ม — 8 ตัวเลือกจาก OpenRouter?
ระบบใช้ OpenRouter เป็น AI gateway รวม 8 AI models ไว้ที่เดียว สลับใช้ได้ทันทีผ่าน Dashboard — เลือกแยก model ต่อ EA instance ได้เลย ไม่ต้องแก้ code Model Sync workflow จะ sync การเปลี่ยนไปที่ EA ภายใน 1 นาที
ตอนเริ่มใช้ Claude Sonnet เป็น default เพราะสมดุลราคาและคุณภาพ พอเริ่มอยากเปรียบเทียบก็เพิ่ม model อื่นเข้ามา
AI Models — เปรียบเทียบ 8 ตัวเลือก
| Model | Provider | จุดเด่น | แนะนำ |
|---|---|---|---|
| Claude Sonnet 4.6 | Anthropic | Default — สมดุลราคาและคุณภาพ | ⭐ ตัวหลัก |
| Claude Opus 4.6 | Anthropic | แม่นที่สุด แต่แพง — ใช้เฉพาะ analysis สำคัญ | — |
| Gemini 2.5 Pro | ถูก, context ยาว | — | |
| Gemini 2.5 Flash | ถูกมาก เร็ว — ดีถ้าจำกัดงบ | ⭐ ถ้าจำกัดงบ | |
| GPT-4o | OpenAI | Multi-modal | — |
| GPT-4o Mini | OpenAI | ถูก | — |
| Grok 3 | xAI | ใหม่ ยังทดสอบอยู่ | — |
| Llama 4 Maverick | Meta | Open-source ถูกสุด | — |
พูดตรงๆ — Claude Sonnet ดีที่สุดสำหรับงานนี้ในความเห็นส่วนตัว เข้าใจ context ดี ตอบเป็น JSON ตรง format ถ้างบจำกัด Gemini Flash ก็ใช้ได้ ราคาถูกกว่า 5-10 เท่า แต่ต้องทดสอบเทียบกันเองด้วยข้อมูลจริง
ที่น่าสนใจกว่าราคาคือ — ใช้ Factoring ทดสอบ model เทียบกัน คู่เงินเดียวกัน EA ตัวเดียวกัน แต่ instance หนึ่งใช้ Claude อีก instance ใช้ Gemini ดูผลจริงจาก Dashboard ว่าใครทำได้ดีกว่า ไม่ต้องเดา
Balance — หัวใจของระบบ Trading
เหมือนสวนเซน ระบบเทรดที่ดีต้องสมดุล — กำไรกับความเสี่ยง, ความเร็วกับความปลอดภัย, AI กับ Human Override
ใช้จริงเจออะไรบ้าง — ข้อดีข้อเสียตรงๆ?
บอกตรงๆ — ระบบนี้ยังอยู่ระหว่างทดสอบ ไม่ใช่ "magic money machine" มีทั้งข้อดีและข้อเสียที่เจอจริง
ปัญหาที่เจอจริงระหว่างสร้าง:
- n8n sandbox ไม่มี process.env — ต้องเก็บ credentials แยก ใช้ environment variables ของ n8n เอง
- pg_dump ไม่มีใน n8n container — ต้องเขียน backup ด้วย pg module แทน
- SMB mount หลุดบ่อย — ต้องเพิ่ม heartbeat monitoring ให้รู้ทัน
- AI ตอบ JSON ไม่ตรง format — ต้องมี fallback parsing + retry logic
อยากสร้างระบบแบบนี้ เริ่มจากตรงไหน?
ไม่ต้องสร้างทุกอย่างพร้อมกัน — เริ่มจาก "EA ที่มี log" ก็มีคุณค่าแล้ว พอระบบเสถียรค่อยเริ่ม Factoring เพิ่ม instance
ทั้ง 5 ขั้นตอนนี้สั่ง AI ผ่าน Cursor ทำได้ทั้งหมด — ไม่ต้องเขียน code เอง แค่ต้อง "รู้ว่าอยากได้อะไร" แล้วสั่งให้ชัด
ไม่ต้องเก่ง code ไม่ต้องเป็น quant — แค่เข้าใจปัญหาที่อยากแก้ แล้วสั่ง AI ให้สร้างทีละ layer ทดสอบทีละขั้น
คำถามที่พบบ่อย — EA + AI Feedback Loop
EA + AI Feedback Loop ต่างจาก EA ธรรมดายังไง?
EA ธรรมดาใช้ parameter ตายตัวที่ตั้งไว้ตอน backtest เมื่อตลาดเปลี่ยน EA ยังใช้ค่าเดิม EA + AI Feedback Loop ต่างตรงที่ AI จะวิเคราะห์ผลเทรดจริงทุกครั้งที่ปิดออเดอร์ (event-driven ไม่ใช่รอรอบ) แล้วปรับค่า SL/TP/Lot ให้อัตโนมัติ เป็น self-improving system ที่ปรับตัวตามสภาพตลาดจริง
EA Factoring คืออะไร เพิ่ม instance ยังไง?
EA Factoring คือการใช้ EA code เดียวกัน แล้ว "คูณ" ออกเป็นหลาย instance ด้วย 3 ตัวแปร — เปลี่ยนคู่เงิน (XAUUSD → BTCUSD), เปลี่ยน AI model (Claude → Gemini), หรือเปลี่ยน parameter set แต่ละ instance ทำงานอิสระ มี config แยก AI วิเคราะห์แยก Dashboard ดูผลเปรียบเทียบกันได้
ค่าใช้จ่าย AI ต่อเดือนประมาณเท่าไหร่?
ขึ้นอยู่กับ model และจำนวน instance ถ้าใช้ Claude Sonnet สำหรับ 1 EA ที่เทรดปกติ ค่า AI ประมาณ $5-15 ต่อเดือน ถ้าใช้ Gemini Flash จะถูกลง 5-10 เท่า แต่ถ้า Factoring เป็น 5 instance ก็คูณ 5 ระบบมี cost tracking ใน Dashboard ดูได้ตลอด
ถ้า AI แนะนำค่าผิด จะเกิดอะไรขึ้น?
มีการป้องกัน 3 ชั้น: (1) Config clamping บังคับให้ค่าทุกตัวอยู่ในขอบเขตปลอดภัย เช่น lot_mult สูงสุด 3.0 (2) DD Guardian จะลดหรือหยุด lot อัตโนมัติถ้า drawdown สูงเกินไป (3) Auto-rollback ตรวจทุก 12 ชั่วโมง ถ้า win rate ตกหรือ avg profit ลดลงมาก จะย้อน config กลับทันที
ต้องมีความรู้ programming มากแค่ไหนถึงจะสร้างได้?
ไม่ต้องเขียน code เองเลย ทั้งระบบสร้างด้วยการสั่ง AI ผ่าน Cursor (vibe coding) สิ่งที่ต้องรู้คือ "อยากได้อะไร" — เข้าใจแนวคิด feedback loop, risk management, data pipeline แล้วสั่ง AI ทำทีละ step ส่วน n8n เป็น visual workflow ลาก-วาง และ Grafana ใช้ SQL queries สร้าง dashboard ได้เลย
ระบบนี้ยังอยู่ระหว่างทดสอบและพัฒนาต่อ — ยังไม่ได้ผลลัพธ์ที่จะสรุปได้ชัดเจน สิ่งที่อยากเพิ่มคือ A/B Testing framework, Walk-Forward Optimization, และ multi-EA portfolio optimization
แต่แค่ตอนนี้ที่ใช้งานได้ — จาก EA ที่ parameter ตายตัว มาเป็นระบบที่เรียนรู้จากผลจริง ปรับตัวเอง ป้องกันตัวเอง และ ขยายตัวเองได้ด้วย EA Factoring ถ้าติดตรงไหนก็ถามได้
ถ้าสนใจเรื่อง trading + AI จะมีบทความ deep-dive แต่ละ component ตามมาอีก — EA logic, n8n pipeline, AI prompting strategy, Grafana monitoring
Updated: 2026-03-12 | Category: Trading + AI | Reading Time: 15 min
Related Articles
EA Factoring: Building an EA Factory + Multiple AIs Optimizing Non-Stop — Without Writing a Single Line of Code
Asking AI to trade directly? AI straight up said it can't guarantee that. So the approach changed: build multiple EAs like a factory, with God's Eye analyzing 16+ signals, sending signals for automated EA trading, then having AI from OpenRouter + Python ML tune parameters every 6 hours. All built through Cursor.
Why Traders in the AI Era Need a Platform That Thinks — Not Just Charts
2026: Traders analyzing by eye are falling behind. AI processes 100+ indicators in 0.3 seconds, backtests 10 years of data instantly, and never trades on emotion. Here's why AI Trading Platforms matter.
God's Eye vs TradingView vs TrendSpider — Honest 2026 Comparison
Comparing 3 trading platforms across every dimension: price, AI, charting, backtesting. God's Eye from $28/mo vs TradingView $60/mo. Which one wins for your trading style?