Yevgeniy Koshtenko
|
2 years
experience
|
7
products
|
67
demo versions
|
|
1
jobs
|
0
signals
|
0
subscribers
|
Qualified Investor of Kazakhstan and the Russian Federation.
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.
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.
Yevgeniy Koshtenko
Почти неделю сидел и мучился, пытался сделать нормальный тестер Питона для моделей. Ничего. Не работает. Либо показывает всегда прибыль, либо всегда слив. Вроде все учтено, спред, комса, направления сделок и потери на свопе, но все равно не работает.
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
· 1
Yevgeniy Koshtenko
Published article Developing a robot in Python and MQL5 (Part 1): Data preprocessing 
Developing a trading robot based on machine learning: A detailed guide. The first article in the series deals with collecting and preparing data and features. The project is implemented using the Python programming language and libraries, as well as the MetaTrader 5 platform.
· 4
7417
Yevgeniy Koshtenko
Published article Creating a market making algorithm in MQL5 
How do market makers work? Let's consider this issue and create a primitive market-making algorithm.
4344
Yevgeniy Koshtenko
Published article Quantitative analysis in MQL5: Implementing a promising algorithm 
We will analyze the question of what quantitative analysis is and how it is used by major players. We will create one of the quantitative analysis algorithms in the MQL5 language.
· 2
4638
Yevgeniy Koshtenko
Тест на участке вне обучения с 2013, одной из моделей, которые сейчас стоят на тесте. +10% без плеча в год. Просадка 8%.
Просадки по полгода на пике. Думал взять счет в пропе США. Получается, что 4% риска в пропе, можно выдержать только торгуя втрое меньшим лотом. 5% прибыли за год. Проп такими темпами, я сдам за год. Или за полтора, если не повезет и попаду на неудачное время.
Все-таки настоящий трейдинг это всегда long term capital managment) Десятилетия труда и настойчивости. Забудьте вообще о тупых мошенниках, которые обещают в рекламе быстрые прибыли с трейдинга, о каких блин 50% в месяц можно говорить? О чем речь вообще? Это НЕВОЗМОЖНО! И легких денег в трейдинге ТОЖЕ НЕТ! ВСЕ ЭТИ СМАРТ МАНИ, ЧУДО СИСТЕМЫ, БРЕДЯТИНА ВСЯКАЯ - ЭТО ПРОСТО ЗАМАНУХА ДЛЯ ЛОХОВ НА ПОКУПКУ КУРСОВ!
Просадки по полгода на пике. Думал взять счет в пропе США. Получается, что 4% риска в пропе, можно выдержать только торгуя втрое меньшим лотом. 5% прибыли за год. Проп такими темпами, я сдам за год. Или за полтора, если не повезет и попаду на неудачное время.
Все-таки настоящий трейдинг это всегда long term capital managment) Десятилетия труда и настойчивости. Забудьте вообще о тупых мошенниках, которые обещают в рекламе быстрые прибыли с трейдинга, о каких блин 50% в месяц можно говорить? О чем речь вообще? Это НЕВОЗМОЖНО! И легких денег в трейдинге ТОЖЕ НЕТ! ВСЕ ЭТИ СМАРТ МАНИ, ЧУДО СИСТЕМЫ, БРЕДЯТИНА ВСЯКАЯ - ЭТО ПРОСТО ЗАМАНУХА ДЛЯ ЛОХОВ НА ПОКУПКУ КУРСОВ!
Yevgeniy Koshtenko
Published article Python, ONNX and MetaTrader 5: Creating a RandomForest model with RobustScaler and PolynomialFeatures data preprocessing 
In this article, we will create a random forest model in Python, train the model, and save it as an ONNX pipeline with data preprocessing. After that we will use the model in the MetaTrader 5 terminal.
6006
Yevgeniy Koshtenko
Published code Risk calculator for MT 5
The indicator calculates your risk as a percentage and gives you the lot size that is acceptable for your risk. You only need to specify the risk in per cent and the stop size in pips.
3273
1495
Yevgeniy Koshtenko
Published code Количественный анализ тейков и стопов
Советник анализирует вероятности достижения тейк-профита и стоп-лосса.
164