|
2 Jahre
Erfahrung
|
13
Produkte
|
37
Demoversionen
|
|
1
Jobs
|
0
Signale
|
0
Abonnenten
|
Trading since 2016, algorithmic trading since 2019, machine learning and programming since 2021.
I develop expert advisors, trading robots, indicators, smart contracts, cryptocurrency token and coin codebases, business automation software, and turnkey AI models.
Currently working on an institutional-grade trading system for my own hedge fund and on my own AI blockchain.
Author of 100+ international articles published in different languages worldwide.
Отличная машинка получается. С мая достигнут огромный прогресс по коду.
Именно эта версия пойдет в мульти - Квантум: основа мульти уже готова, взята из институцонального Мидаса. В коде есть множественный риск-менеджмент: от нижнего уровня (стопы) через собственный риск-менеджер робота к общему (надсистемному) риск-менеджеру.
Правда есть минус - полный тест за месяц занимает 455 часов на 10-ядерном мощном сервере, настолько алгоритмы сложны и тяжелы)))) Но пофигу - важна не картинка в тестере, а реальный настоящий результат.
Статья представляет революционную архитектуру PatchTST — специально адаптированный трансформер для анализа финансовых временных рядов, который разбивает рыночные данные на патчи из 16 баров для эффективной обработки. Подробно рассматривается полная реализация торгового робота в MQL5 — от математических основ и структур данных до готового Expert Advisor с системами управления рисками и непрерывного обучения.
The article presents an innovative hybrid system for forecasting exchange rates that combines a linear autoregressive model with a U-Transformer architecture for residual analysis. The system automatically switches between signal sources depending on their quality and includes complete trading logic with averaging/pyramiding strategies. The key advantage of this approach is that the neural network is trained on the residuals of the linear model, which simplifies the task and reduces the risk of overfitting. The implementation is done entirely in MQL5 and is ready for use in real trading with automatic adaptation to changing market conditions.
A revolutionary approach to machine learning in trading through quantum computing. The article demonstrates a practical implementation of an adaptive QRC system with continuous retraining for predicting market movements in real time.
Это чисто ради науки)
Как было раньше: я гнался за вундер - доходностью. Поэтому счета не жили дольше недели в том числе. Я включал ботов, не получал искомой доходности выше 10% в день, выключал все, мне казалось что нужно добиться идеала.
Теперь же я ставлю задачей просадку не выше 15%. И в роботах ту же задачу реализую, с множественным риск-менеджментом.
Следующая статья будет про системный Windows риск - менеджер, который я написал, который стоит над самим Мета Трейдером и в случае внештатной ситуации вырубит и ботов, и сделки закроет. То есть, это еще один уровень риск-менеджмента. Будет еще третий уровень. И четвёртый, по методологии метода принятия рисков.
На Форексе пока +10,47%, а на Мосбирже примерно +7,42%.
Впервые дольше месяца не трогал ботов вообще! Я ранее писал, что обычно всегда уже через пару дней лез их улучшать)))Это моя маленькая победа на пути к цели.
The article explores the revolutionary Mamba/SSM neural network architecture for financial time series forecasting. We will consider a complete MQL5 implementation of a modern alternative to Transformer with linear complexity O(N) instead of quadratic O(N²). Selective State Space Models, hardware-aware optimizations, patching techniques, and advanced AdamW training methods are covered in detail. Practical test results showing an increase in accuracy from 62% to 71% while reducing training time from 45 to 8 minutes are included. A ready-made trading EA with auto learning and adaptive risk management for MetaTrader 5 is presented.
Trading is characterized by high demands on risk management discipline. The article presents an analysis of the main reasons for traders' failures and proposes a technical solution in the form of the CEnhancedRiskManager class for the MQL5 platform. It includes practical testing on an aggressive grid EA.
Я ВСЕГДА ДУМАЛ, ЧТО РУЛЯТ АЛГОРИТМЫ, НО РУЛИТ ПСИХОЛОГИЯ И РИСК!!!
Я был в шоке, когда протестировал одного и того же - самого ужасного из всех моих - робота с риск-менеджером для пропов и без. С риск-менеджером сливной изначально советник умудрился выйти в плюс на дистанции 9 лет, а без риск-менеджера слился за 3 месяца! 😱
Знаете что самое дикое? 67% всех проп-аккаунтов сливаются не из-за плохих стратегий, а из-за превышения дневного лимита просадки! Банально - нет контроля рисков.
Цифры вообще депрессивные: только 10-15% трейдеров проходят Challenge, и из них лишь 5-7% умудряются торговать на финансируемых счетах больше полугода. Остальные просто горят на элементарных вещах.
И тут я понял - проблема не в торговле, проблема в голове и отсутствии железной дисциплины по рискам. Поэтому написал класс CEnhancedPropRiskManager для MQL5.
Эта штука автоматически следит за всеми лимитами просадки, блокирует опасные сделки еще до их открытия, принудительно закрывает позиции когда приближаешься к лимитам. Работает с любыми проп-компаниями - FTMO, MyForexFunds, да с кем угодно. Есть даже красивая панелька, чтобы видеть все риски в реальном времени.
Но самое безумное - я решил протестировать это дело на агрессивном сеточном мартингейле. Да-да, на том самом типе советников, которые считаются главными убийцами проп-аккаунтов!
Результат просто снес мне крышу:
БЕЗ риск-менеджера: классический слив за 3-5 месяцев в 100% случаев
С риск-менеджером: тот же самый "убийца депозитов" проработал 9 лет и остался в плюсе! 🚀
В статье я выложил весь код включаемого файла, объяснил архитектуру, показал как интегрировать в любого существующего советника. Плюс реальные результаты тестирования - не липа, а честные цифры.
Если торгуете в пропах или только планируете - эта статья реально сэкономит вам кучу денег на неудачных Challenge. Потому что проблема обычно не в стратегии, а в управлении рисками.
The article focuses on creating a trading system with a real quantum simulator instead of mathematical analogies. The system uses 3 virtual qubits, quantum gates and superposition principles to analyze markets. It is implemented as a trading EA for MetaTrader 5 in MQL5. The main achievement is the transition from simulation to real quantum principles of financial information processing.
The article presents an innovative quantum neural network architecture for algorithmic trading that combines the principles of quantum mechanics with modern machine learning methods. The system includes quantum effects (resonance, interference, decoherence), multi-level memory of different time scales, Markov chains with the ALGLIB library, and adaptive parameter control. The full implementation is done in MQL5 using the built-in matrix/vector types, which removes implementation barriers in MetaTrader 5.
Добавил в Квантум: Полиноминальную регрессию на входе в первый слой, а также оптимизацию коэффициентов регрессии градиентным спуском....
Дальнейшие слои обучаются на этих же коэффициентах, а также на признаках, а также на остатках модели полиноминальной регрессии! И это ТОП!!!
