|
2 Jahre
Erfahrung
|
7
Produkte
|
67
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.
Шарп падает сразу с 12-15 до 5-6. Явно хуже. С проверкой на новый тик, ненулевой тик - работает лучше, потому что в 25% случаев по прибыли эксперт закрывается сразу же.
Подробное руководство по созданию индикатора тепловой карты для MetaTrader 5, который визуализирует временное распределение цены в виде тепловой карты. Статья раскрывает математическую основу анализа временной плотности, где каждый ценовой уровень окрашивается от красного (минимальное время пребывания) до синего (максимальное время пребывания).
Статья объясняет, как разработать инструмент для анализа повторяющихся ценовых закономерностей на финансовых рынках — по дням месяца (1-31), дням недели (понедельник-воскресенье) или часам дня (0-23). Индикатор анализирует исторические данные, вычисляет среднюю доходность для каждого периода и отображает результаты в виде гистограммы с прогнозом. Включает настраиваемые параметры: тип сезонности, количество анализируемых баров, отображение в процентах или абсолютных значениях, цвета графиков.
Анализ временных разрывов (таймгэпов) помогает трейдеру выявлять потенциальные точки разворота рынка. В статье рассматривается, что такое таймгэп, как его интерпретировать, а также каким образом с его помощью можно обнаружить вливание крупного объема в рынок.
Building a purchasing power parity (PPP)-based exchange rate analysis system using Python. The author developed an algorithm with 5 methods for calculating fair exchange rates using IMF data. A practical guide to fundamental currency analysis, economic data processing, and integration with trading systems. Full code in open source.
Верхний уровень системы: Мета модель, принимающая признаки, прогнозы и ошибки всех остальных моделей
Второй верхний уровень системы: Раздельные модули, у каждого есть ИИ модель:
2D RGB компьютерное зрение
Эмуляция опционов
Эмуляция фьючерсов
Загрузка данных опционов и фьючерсов CME
Загрузка данных Всемирного банка
Загрузка данных Международного валютного фонда
Загрузка данных Eurostat
Загрузка данных NasdaqStat
Загрузка новостного дата банк news.com
Загрузка позиций хедж-фондов через SEC
Загрузка позиций хедж-фондов через CFTC
Анализ последовательностей Фибоначчи
Анализ величин трендов
Анализ объёмов
Анализ углов движения цен и углов Ганна
Анализ арбитражных вилок через треугольный арбитраж
Анализ справеливых цен валют по ППС
Анализ статистических производных цен
Анализ сезонности торгов, часов, дней недели
Анализ группового движения всех главных 28 валют в мире, корреляций, коинтеграций, корзин
Анализ данных со спутников США и загруженности портов для экспорта и импорта
Анализ нумерологического скора цены
Анализ влияния положений звёзд и планет на цены через астрологическую библиотеку Пайтона
Анализ аппроксимации простых чисел цены
ARIMA с обучением нейросети на её остатках
Эти модули складывают свои прогнозы алгоритмом консенсуса (привет Эфириум).
Нижний уровень системы: оптимизация портфеля сделок по их направлениям через портфельную теорию Марковица + VaR модель.
Будет ещё один нижний уровень, отвечающий за DCA усреднение и непосредственно набор и сброс позиций.... Пилю его.
Много сил ушло.
Downloading international monetary fund data in Python: Mining IMF data for use in macroeconomic currency strategies. How can macroeconomics help an ordinary and an algorithmic trader?
Сидишь ночью перед монитором, кофе остыл, глаза красные от экранов. Еще одна красная свеча съела половину депозита. Знакомо?
Каждый день тысячи людей входят на рынок с мечтами о финансовой свободе, но выходят с пустыми карманами и разбитыми иллюзиями. И дело не в том, что они плохо анализируют графики или не понимают фундамент. Дело в том, что они не понимают главного врага каждого трейдера — самого себя.
Высокие риски — это не просто цифры в торговом терминале. Это психологический капкан, который расставляет наше собственное сознание. Когда ты видишь, как твоя сделка идет в плюс на 50%, внутри просыпается первобытный инстинкт: "А что если еще подождать? Вдруг будет 100%?" И ты держишь. Держишь до тех пор, пока рынок не развернется и не заберет не только прибыль, но и часть депозита.
А потом начинается самое страшное — попытка отыграться. Лот увеличивается в два раза, потом в три. "Я же знаю рынок, я же видел этот паттерн сто раз!" И снова красная свеча. И снова боль в груди от осознания того, что ты только что потерял деньги, которые откладывал месяцами.
Знаешь, что самое печальное? Большинство сливают не из-за плохих стратегий. Они сливают из-за того, что не умеют управлять риском и собственными эмоциями. Они ставят стопы "на авось", рискуют 20-30% депозита на одну сделку и верят, что рынок им что-то должен.
Рынок никому ничего не должен. Он просто есть. Как океан, который может подарить тебе прекрасную волну или утопить без предупреждения. И единственное, что отличает тех, кто выживает, от тех, кто тонет — это умение читать этот океан и понимание того, сколько ты можешь позволить себе проиграть.
Всю эту неделю я работал над новым продуктом, основанном на моей системе Мидас — это уникальное применение GPT-моделей Transformer на финансовых рынках. Представь себе нейросеть, которая анализирует не просто цены, а паттерны поведения рынка через архитектуру внимания — точно так же, как ChatGPT понимает контекст в тексте. Я интегрировал механизмы self-attention с Марковскими цепями для предсказания рыночных состояний, добавил систему постоянного дообучения и создал архитектуру, которая учится на собственных ошибках в режиме реального времени.
Но самая крутая технология не поможет тебе, если ты не умеешь управлять рисками. Поэтому сейчас у меня есть комбо-предложение, которое решает обе проблемы: риск-менеджер для ручной торговли плюс архив рабочих роботов 2022-2023 года. Все это за 20 000 рублей — цену одной неудачной сделки с неправильным риском.
Риск-менеджер научит тебя думать не категориями "сколько заработаю", а категориями "сколько готов потерять". А роботы покажут, как работают алгоритмы, которые уже прошли проверку временем и волатильностью.
Потому что в конце дня важно не то, сколько ты заработал на одной сделке. Важно то, останешься ли ты в игре завтра.
Let's try mining CFTC data, downloading COT and TFF reports via Python, connecting all this with MetaTrader 5 quotes and an AI model, and get forecasts. What are COT reports in the Forex market? How to use COT and TFF reports for forecasting?
Mining central bank balance sheet data provides a picture of global liquidity in the Forex market and key currencies. We combine data from the Fed, ECB, BOJ and PBoC into a composite index and use machine learning to uncover hidden patterns. This approach turns raw data into real trading signals by combining fundamental and technical analysis.
Есть много разных модулей: и анализ трендов, и анализ объёмов, и анализ реальных объёмов валютных фьючерсов и опционов Чикаго, и анализ позиций хэдж-фондов, и анализ балансов и трендов балансов мировых центробанков включая ЕЦБ и ФРС, и анализ более 2500 экономических показателей от Евростата, Насдаг Стата и Всемирного банка, хоть как-то влияющих на курс валют. Есть и компьютерное зрение, и использование квантового суперкомпьютера IBM, даже модули анализирующие цены через последовательности Фибоначчи, через нумерологический скор, и через астрологические циклы, это не шутка)
Плюс отдельный модуль, составляющий оптимальный портфель по всём сигналам.
Целевая прибыль должна увеличиться с прошлых 1000 пунктов в день, как минимум до 1200-1300 пунктов в сутки.
35000 строк кода. Это лучший робот мира. Midas!
Adaptation of the classical CAPM model for the Forex currency market in MQL5. The indicator calculates expected return and risk premium based on historical volatility. The indicators rise at peaks and bottoms, reflecting the fundamental principles of pricing. Practical application for counter-trend and trend-following strategies, taking into account the dynamics of the risk-reward ratio in real time. The article includes mathematical apparatus and technical implementation.
In diesem Artikel implementieren wir den ARIMA-Prognose-Indikator in MQL5. Es wird untersucht, wie das ARIMA-Modell Prognosen erstellt und wie es sich auf den Devisenmarkt und den Aktienmarkt im Allgemeinen anwenden lässt. Außerdem wird erklärt, was AR-Autoregression ist, wie autoregressive Modelle für Prognosen verwendet werden und wie der Autoregressionsmechanismus funktioniert.
