Sergey Gridnev
Sergey Gridnev
  • Information
15+ years
experience
0
products
0
demo versions
0
jobs
0
signals
0
subscribers
Andrey Dik
Andrey Dik
Published article Алгоритм бактериальной эволюции — Bacterial Evolutionary Algorithm (BEA)
Алгоритм бактериальной эволюции — Bacterial Evolutionary Algorithm (BEA)

Статья посвящена бактериальному эволюционному алгоритму Нава — Фурухаси (BEA) и его двум ключевым операторам: посегментной бактериальной мутации для локальной оптимизации и горизонтальному переносу генов для обмена удачными фрагментами решений. Мы реализуем BEA в каркасе C_AO как конечный автомат под фиксированный бюджет оценок, тестируем на Hilly, Forest и Megacity и поясняем терминологическую развилку с моделью Нумаоки.

2
John Shugurov
John Shugurov
Блин, форум лучше вообще не читать, там такой ад по теме трейдинга, просто шок.

Одни эксперты целыми днями общаются между собой)

Ну может быть кому-то и полезно это все, мне уже точно нет (хотя раньше я тоже много там трепался и кучу всякой ерунды написал).
Sergey Gridnev
Sergey Gridnev Yesterday
Его убили модераторы.
MetaQuotes
MetaQuotes
Added topic How to Easily Convert MQL4 Code to MQL5 with AI: There Are No More Barriers to Moving to MetaTrader 5
Do you have Expert Advisors written in MQL4 and think migrating them to MetaTrader 5 will take too much time? Let's check this out right now. We'll take an existing Expert Advisor from the MQL5.com CodeBase, feed it into ChatGPT, generate an MQL5
John Shugurov
John Shugurov
Фишка в том, что за годы выработалось поведение и определенные установки насчет трейдинга, поэтому и сложно (практически невозможно) покончить с этим.

Процесс избавления от трейдинга индивидуален и я справлюсь)
John Shugurov
John Shugurov Yesterday
Нет, трейдинг не брошу)
John Shugurov
John Shugurov
Смешно, но я решил продолжать трейдинг на форексе)
John Shugurov
John Shugurov Wednesday
Это не помешает мне сделать другие дела)
John Shugurov
John Shugurov Thursday
Нет, помешает! Не буду продолжать) Все.
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Ищу тестировщиков для новой версии MIDAS

В трейдинге большинство проблем связано не с инструментами, а с человеческим фактором. Эмоциональные решения, усталость, спешка и отсутствие дисциплины со временем сводят на нет даже хорошие торговые идеи. Именно поэтому автоматизация остаётся одним из самых обсуждаемых направлений в алгоритмической торговле.
В течение длительного времени я занимаюсь разработкой автоматизированной торговой системы MIDAS, основанной на анализе больших датасетов мировой экономики, применении нейросетей, машинного обучения, LLM-надсистемы с элементами RL, формализованных правилах и жёстком риск-менеджменте.
Проект находится на завершающей стадии и переходит в фазу расширенного тестирования в реальных условиях рынка. Система предназначена для полностью автоматической работы и ориентирована на статистический подход и контроль рисков. Она не исключает убыточных периодов, не даёт гарантий результата и не заменяет понимание рынка — но может быть полезна тем, кто интересуется практической стороной алгоритмической торговли и хочет поучаствовать в тестировании сложного технического решения.
На текущем этапе я ищу людей, готовых принять участие именно в тестировании. Речь не о передаче средств в управление, а о тестировании системы и обработке багов, наблюдении за её поведением и передаче объективной обратной связи по стабильности.
Количество участников ограничено по техническим причинам. В приоритете те, кто понимает: тестирование торгового алгоритма — это работа с рисками, статистикой и дисциплиной, а не краткосрочный способ за 2 дня получить прибыль.
Я в первую очередь исследователь и архитектор системы, также у меня большой опыт в ручном трейдинге.
Если вам интересен сам процесс торговли и тестирования торговых систем — напишите в комментариях. Связь в порядке очереди. Отбор закроется после набора нужного количества участников.
Anatoliy Migachyov
Anatoliy Migachyov Monday
Интересно
Antonio Jesus Munoz Duran
Antonio Jesus Munoz Duran Thursday
Te sigo desde hace mucho tiempo y me has ayudado mucho a mejorar mi trading algorítmico. Estaría enormemente agradecido de poder participar en tus pruebas.
John Shugurov
John Shugurov
По-хорошему, нужно удалиться с этого сайта еще раз и забыть сюда дорогу, так как этот сайт сам по себе является триггером для начала и продолжения игры на "рынке". Остаюсь тут по причине того, что обещал участникам сообщества многое сделать) И сделаю.
MetaQuotes
MetaQuotes
Added topic MetaQuotes at iFX EXPO International 2026: Broker Interviews and Key Takeaways from the Event
In June, MetaQuotes participated as a Gold Sponsor at iFX EXPO International 2026, in Limassol, one of the major international events. The event once again brought together leaders of the online trading industry, including brokers, liquidity
John Shugurov
John Shugurov
Сорвался и поторговал на форексе опять, потерял мало, все равно обидно!
На нервах после слива очень захотелось покурить, но я выдержал и не закурил - это победа и плюс.
Трейдинг и форекс сильнее меня, это временно)
John Shugurov
John Shugurov 2026.07.03
Трейдинг бросить не смогу никак, придется это признать! Эти мои метания знакомы многим трейдерам, все меня прекрасно понимают)
John Shugurov
John Shugurov 2026.07.03
Может смогу бросить) Жесть, как это сложно!
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Published article Сеточный советник на клеточном автомате с онлайн-обучением в MQL5 (Часть III): Живой граф признаков
Сеточный советник на клеточном автомате с онлайн-обучением в MQL5 (Часть III): Живой граф признаков

Третья статья серии вводит обучаемый граф признаков в архитектуре Cellular10K: веса связей feature → feature онлайн усиливаются после верных прогнозов и ослабляются после ошибок. Разбираются мягкая инициализация, шаг message passing, локальное правило обучения в стиле Хебба, ограничение весов, нормировка и decay. Показана интеграция с клеточным автоматом и бинарным предиктором, а также метрики диагностики и практические пороги запуска для контроля переобучения.

1
Andrey Dik
Andrey Dik
Published article Алгоритм оптимизации шимпанзе: от ChOA к BChimp
Алгоритм оптимизации шимпанзе: от ChOA к BChimp

Алгоритм оптимизации шимпанзе (ChOA) подражает групповой охоте приматов с разделением ролей, а его бинарная ветвь BChimp переносит эту механику в задачи отбора признаков. Реализуем непрерывное ядро в C_AO, по пути находим и исправляем унаследованный дефект коэффициента — незаметный за бинаризацией, но разрушающий поиск в непрерывной области. Аннотация даёт готовую реализацию и практические выводы о качестве и устойчивости поиска.

4
Gaya Chibane
Gaya Chibane
Quantum Gold Institutional XAUUSD EA

📊 Institutional Backtest Proof: High-Frequency Precision Meets Mathematical Excellence
When we speak about institutional-grade performance, we don't just show promises—we provide raw, verified cryptographic data. Below is the full breakdown of the latest optimization stress-test for Quantum Gold Institutional XAUUSD EA, executed with 100% History Quality (as shown in image_626fde.png).

📈 1. The Growth Curve: Flawless Equity Progression
As demonstrated in image_626fa2.png, the equity curve shows a near-perfect, steady exponential progression from 2025.01.02 to 2026.03.31.

Zero stagnation periods: A constant upward trajectory over a 15-month continuous cycle.

Controlled Drawdown: Even during intense gold volatility, the margin usage and exposure remained tightly calculated and strictly bounded under safety parameters.

🔬 2. Key Performance Metrics (The Data Breakdown)
The structural report in image_626fde.png reveals some of the most elite statistical metrics ever recorded for an XAUUSD scaling algorithm:

💰 Net Profit: Generated +$3,148.40 net profit starting from a modest $1,000.00 initial balance (An outstanding +314% ROI in just 15 months).

🎯 Win Rate: An astonishing 99.67% winning positions (298 won out of 299 trades), with only one single minor losing position (-$0.03) over the entire testing history.

📊 Sharpe Ratio: 6.25 – In the hedge fund industry, any Sharpe ratio above 3.0 is considered legendary. At 6.25, the risk-adjusted return profile of this EA is profoundly stable.

⚡ Profit Factor: 104,947.67 – An mathematically spectacular ratio showing that gross gains completely outclassed gross losses.

📉 Recovery Factor: 5.27 – Demonstrating the algorithm's ultra-fast capacity to immediately bounce back from any market anomaly.
Gaya Chibane
Gaya Chibane Published product

Quantum Gold Institutional XAUUSD EA Precision. Math. Institutional Discipline. ⭐ ⭐ ⭐ ⭐ ⭐ Type: Experts | Pair: XAUUSD (Gold) Only | Timeframe: M1 / Multi-timeframe -------------------------------------------------------------------- Quantum Gold Institutional XAUUSD EA MQL5 public channel:  https://www.mql5.com/en/channels/quantumgold-ixe share your results, exchange insights, and get answers to your questions. --------------------------------------------------------------------- 🎥

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Published article Сеточный советник на клеточном автомате с онлайн-обучением в MQL5 (Часть II): Новый уровень онлайн-адаптации
Сеточный советник на клеточном автомате с онлайн-обучением в MQL5 (Часть II): Новый уровень онлайн-адаптации

Во второй части клеточный автомат переводится с решётки на граф. Признаки становятся вершинами графа с локальными и дальними small‑world связями, а клетки — агентами, которые взаимодействуют не только с геометрическими, но и со смысловыми соседями. Рассматриваются графовая фильтрация признаков, построение графа соседей, обновлённое голосование по согласованности и метрики Graph Coherence и Graph Health. Это снижает влияние одиночных выбросов и ускоряет распространение рыночных режимов при полной совместимости с MQL5.

2
Aleksandr Sosnovskiy
Aleksandr Sosnovskiy 2026.06.29
Спасибо за идею!!! Мы взяли твою концептуальную идею адаптивного клеточного автомата и превратили её в промышленный HFT-движок **GraphNetEngine** институционального уровня, заточенный под жесткий Netting-счет MT5. Вот что мы радикально изменили на архитектурном уровне: 1. **Переход на Data-Oriented Design (DOD):** Мы полностью вырезали классическое ООП (`CObject`, операторы `new`, динамические реаллокации) из горячих циклов. Вся память для 10 000 клеток теперь выделяется на старте в виде плоских одномерных массивов по паттерну SoA (Structure of Arrays). Доступ к котировкам и истории 50 признаков осуществляется за O(1) через кольцевые буферы. Весь «мозг» советника теперь весит около 1.6 МБ и идеально ложится в L2-кэш процессора.
2. **Граф Ватца-Строгаца вместо плоской решетки:** Мы отказались от примитивной геометрической решетки соседей. Теперь клетки образуют топологию «мир тесен» (Small-World). Агенты обмениваются информацией не только с теми, кто «рядом», но и со смысловыми соседями на основе матрицы ранговой корреляции Спирмена, а также через дальние хорды. Это позволяет сети мгновенно реагировать на смену рыночного режима.
3. **Асинхронный Netting FSM (Safe Flip):** Так как система работает на Netting-счете (только одна позиция) с сетевым пингом до 150 мс, мы полностью отказались от блокирующих вызовов. Используется только `OrderSendAsync`, а все результаты перехватываются событийной моделью в `OnTradeTransaction`. Мгновенные перевороты LONG↔SHORT строго запрещены: внедрен механизм **Safe Flip** с переходом во FLAT и ожиданием подтверждающего импульса в 0.5 ATR.
4. **Встроенный SGD-предиктор:** Для верификации клеточного консенсуса добавлен независимый Бинарный Предиктор (BPC). Это логистическая регрессия, которая инкрементально обучается на каждом баре методом стохастического градиентного спуска (SGD). Вход в сделку разрешен только при совпадении сигналов автомата и предиктора.
5. **Промышленный WFA-конвейер без Data Leakage:** Мы вынесли тестирование в автоматизированный Python-конвейер. Внедрено жесткое правило **Purge Gap** — искусственный разрыв в 100 баров между In-Sample и Out-Of-Sample периодами при Walk-Forward оптимизации, чтобы исключить «заглядывание в будущее» из-за памяти индикаторов. Телеметрия теперь пишет данные строго в момент входа (Entry Snapshot). Итог: твоя модель теперь не просто подстраивается под историю, она аппаратно-оптимизирована, асинхронна и математически защищена от переобучения и микроструктурного шума.
Andrey Dik
Andrey Dik
Published article Алгоритм оптимизации койотов — Coyote Optimization Algorithm (COA)
Алгоритм оптимизации койотов — Coyote Optimization Algorithm (COA)

Представляем MQL5-реализацию Coyote Optimization Algorithm: стаи с локальными альфами, медианная тенденция и встроенный кроссовер обеспечивают параллельное исследование областей пространства и контроль преждевременной сходимости. Алгоритм встроен в C_AO и проверен на стандартном стенде и композитном античит-тесте. В статье — код, псевдокод и разбор операторов, позволяющие применить COA для оптимизации параметров торговой системы.

5
Yevgeniy Koshtenko
Yevgeniy Koshtenko Published product

SMC Proximity RSI + Time Blocks — an RSI oscillator supercharged by smart money zones A standard RSI shows overbought and oversold conditions. But it has no idea WHERE price sits relative to key institutional zones. SMC Proximity RSI fixes that. This oscillator combines the classic RSI with Smart Money Concepts analysis: it measures how close price is to Order Blocks, Fair Value Gaps, Time Blocks and Support/Resistance levels, and amplifies the RSI signal exactly when price enters a meaningful

Yevgeniy Koshtenko
Yevgeniy Koshtenko Published product

200.00 USD

Order Block ICT — SMC An Order Block indicator based on the ICT / Smart Money Concepts methodology. It automatically detects and draws bullish and bearish order block zones on your chart, tracks their mitigation, and removes zones once they are spent. See the areas where smart money stepped into the market — without marking up the chart by hand. What the indicator does Scans price history and detects order blocks through several scenarios at once: a classic candle sequence, an impulsive move, an

John Shugurov
John Shugurov
Взлет продолжается)
Andrey Dik
Andrey Dik
Published article Алгоритм оптимизации на основе коронавируса — Corona Virus Optimization (CVO)
Алгоритм оптимизации на основе коронавируса — Corona Virus Optimization (CVO)

Описываем и реализуем CVO: заражение как генерация кандидатов, покоординатное нормальное возмущение, динамическая популяция. Алгоритм интегрирован в C_AO и проверен на стандартном бенчмарке. Разбор выявляет масштабную причину стагнации и даёт прикладное решение — переход к относительному шагу по ширине диапазона; код готов к использованию.

4
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Published article Создаем объемные 3D бары на MQL5
Создаем объемные 3D бары на MQL5

Переносим 3D-бары из Python в нативный MQL5: вместо plotly и моста к терминалу — сцена на CCanvas3D и DirectX 11 прямо на графике. Цена, время и тиковый объём раскладываются по трём осям, геометрия собирается вручную из вершин и треугольников, а орбитальная камера на событиях мыши даёт интерактивный осмотр без внешних зависимостей.

1