Yevgeniy Koshtenko
Yevgeniy Koshtenko
3.8 (6)
  • Information
2 years
experience
7
products
66
demo versions
0
jobs
0
signals
0
subscribers
Greetings to the world of professional algorithmic trading!

I develop highly effective trading indicators and expert advisors based on cutting-edge machine learning technologies and quantum computing, which help traders achieve stable profits in financial markets.
My journey: In the market since 2016. Went through numerous losses and mistakes. Currently specializing in trading robot development and applying machine learning in trading. Actively investing in Russian and Kazakhstani markets.

Qualified investor of the Republic of Kazakhstan. Qualified foreign investor of the Russian Federation.
For hedge funds and family offices, I also have MIDAS — an institutional complex multi-agent neural architecture + quantum layer + multidimensional self-learning AI agent. I've been creating this system for a year and a half, and it contains nearly 80,000 lines of code: it uses the best of everything I know.

Custom development:

In addition to ready-made solutions, I adapt any models from scientific papers to specific client tasks. I create custom trading robots according to specific requirements, integrate modern machine learning methods, and provide consultations on algorithmic trading.

Useful links:

AI Trading Group: https://vk.com/altradinger
AI Trading Channel: https://www.mql5.com/ru/channels/aitradinger
Monitoring: https://share.kz/g7vJ
GitHub: https://github.com/Shtenco
My site: https://shtencoquantai.tech/

Ready to discuss your tasks and offer optimal solutions for trading automation!
Risk Warning: Trading in financial markets involves high risk of capital loss. Past performance does not guarantee future profits.
Yevgeniy Koshtenko
Published article Analyzing all price movement options on the IBM quantum computer
Analyzing all price movement options on the IBM quantum computer

We will use a quantum computer from IBM to discover all price movement options. Sounds like science fiction? Welcome to the world of quantum computing for trading!

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Пока что наш портфель обгоняет чуть ли не все фонды мира.

Огонь. Нраицца. Портфель собрала нейросеть. Есть ещё портфель на Мосбирже, ещё не смотрел результаты, и два глобальных портфеля - инновационный с результатом +154% без плеча, и вечный, из ETF.

Все это без плеча. Шарп под четверочку)
Aleksandr Seredin
Aleksandr Seredin 2025.02.24
Огонь! Отличный результат, так держать!
Yevgeniy Koshtenko Published product

Indicator Description: "Currency Strength Panel with Trend Analysis" This indicator is designed for analyzing the strength of currency pairs and determining their current trends, helping traders make more informed trading decisions. It displays a panel on the chart that shows the strength of each currency pair based on price movements across different timeframes (H1, H4, D1) and identifies whether the pair is in a trend or counter-trend. How to Use this Indicator: Currency Pair Strength Analysis

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Пилю уникальное решение. Суть: я создаю единый сервер коллективного биржевого дохода. Сервер удаленный, постоянно включенный, где постоянно работает Python риск-менеджер.

Риск-менеджер удаленно подключается ко всем советникам (роботам), которые с ним связаны, хоть сколько, связаны через сокеты.

А советники (роботы) - будете использовать вы, бесплатно, за процент от прибыли. У нас будет чат, у нас будет команда. Риск контролируется всей командой и сервером (система коллективной ответственности).

Робот сам, рабоотает вот так примерно - это полуавтомат на моем исследовании 3D баров.

Есть тройной риск-менеджмент, как с вашей стороны (закрытие позиций вручную), так и со стороны самого советника (он закрывает как РМ определенный процент просадки), так и со стороны сервера (он удаленно видит ваш советник, и рубит риски).

Если откатаем систему, и все будем получать доход - начнем брать проп-счета, и слить вы их не сможете по причинам удаленного риск-менеджмента.

Как вам идея?
Михалыч Трейдинг
Михалыч Трейдинг 2025.02.22
Идея отличная! Если контроль рисков сервера настраиваемый.
Yevgeniy Koshtenko
Published article Фибоначчи на Форекс (Часть I): Проверяем отношения цены и времени
Фибоначчи на Форекс (Часть I): Проверяем отношения цены и времени

Как рынок ходит по отношениям, основанным на числах Фибоначчи? Эта последовательность, где каждое следующее число равно сумме двух предыдущих (1, 1, 2, 3, 5, 8, 13, 21...), не только описывает рост популяции кроликов. Рассмотрим гипотезу Пифагора о том, что все в мире подчиняется определенным соотношениям чисел...

2
Yevgeniy Koshtenko
Published code Advanced compound interest calculator for the trader
A compound interest calculator for the trader. Calculates, based on your parameters, your risk of ruin, and the optimal risk per trade. Gives a forecast of your capital size in a year, month, and at the end of the term.
Yevgeniy Koshtenko
Published article Analyzing binary code of prices on the exchange (Part II): Converting to BIP39 and writing GPT model
Analyzing binary code of prices on the exchange (Part II): Converting to BIP39 and writing GPT model

Continuing tries to decipher price movements... What about linguistic analysis of the "market dictionary" that we get by converting the binary price code to BIP39? In this article, we will delve into an innovative approach to exchange data analysis and consider how modern natural language processing techniques can be applied to the market language.

Aleksandr Seredin
Aleksandr Seredin 2025.02.13
Очень интересная идея. Спасибо большое автору за этот уникальный материал!
Yevgeniy Koshtenko
Published article Biological neuron for forecasting financial time series
Biological neuron for forecasting financial time series

We will build a biologically correct system of neurons for time series forecasting. The introduction of a plasma-like environment into the neural network architecture creates a kind of "collective intelligence," where each neuron influences the system's operation not only through direct connections, but also through long-range electromagnetic interactions. Let's see how the neural brain modeling system will perform in the market.

Yevgeniy Koshtenko
Published article Creating volatility forecast indicator using Python
Creating volatility forecast indicator using Python

In this article, we will forecast future extreme volatility using binary classification. Besides, we will develop an extreme volatility forecast indicator using machine learning.

Yevgeniy Koshtenko
Published article Evolutionary trading algorithm with reinforcement learning and extinction of feeble individuals (ETARE)
Evolutionary trading algorithm with reinforcement learning and extinction of feeble individuals (ETARE)

In this article, I introduce an innovative trading algorithm that combines evolutionary algorithms with deep reinforcement learning for Forex trading. The algorithm uses the mechanism of extinction of inefficient individuals to optimize the trading strategy.

Yevgeniy Koshtenko
Published article Price movement discretization methods in Python
Price movement discretization methods in Python

We will look at price discretization methods using Python + MQL5. In this article, I will share my practical experience developing a Python library that implements a wide range of approaches to bar formation — from classic Volume and Range bars to more exotic methods like Renko and Kagi. We will consider three-line breakout candles and range bars analyzing their statistics and trying to define how else the prices can be represented discretely.

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Новый модуль в Мидасе!!!👻👻👻🤖🤖🤖Скоро выйдет в виде статьи!

ETARE (Эволюционный Торговый Алгоритм с Подкреплением и Вымиранием) – революционная торговая система, которая переосмысливает принципы теории эволюции Дарвина в контексте финансовых рынков. Как в природе выживают наиболее приспособленные организмы, так и в ETARE процветают только самые эффективные торговые стратегии.

В основе системы лежит принцип естественного отбора: множество торговых стратегий конкурируют между собой, подобно видам в экосистеме. Успешные стратегии "выживают" и передают свои характеристики (гены, веса нейросетей) следующим поколениям через механизм генетического наследования, в то время как неэффективные – отсеиваются. Этот процесс, реализованный через передовые алгоритмы машинного обучения, обеспечивает постоянную адаптацию к меняющимся рыночным условиям.
Периодически электронная популяция вымирает, остаются сильнейшие!

Подобно тому, как биологические виды развивают иммунитет к неблагоприятным факторам среды, ETARE формирует устойчивость к различным рыночным условиям. Система использует многоуровневый механизм управления рисками, включающий стратегию динамического усреднения позиций и адаптивное распределение капитала.

Ключевой особенностью ETARE является её способность к самообучению через механизм подкрепления. Каждая торговая операция, независимо от результата, обогащает "генетический код" системы, улучшая качество будущих решений. Это напоминает процесс эволюционной адаптации, где каждое поколение становится более приспособленным к своей среде.

Инвестиционная эффективность ETARE базируется на трех фундаментальных принципах эволюционной теории: наследственности (передача успешных торговых паттернов), изменчивости (постоянная адаптация стратегий) и естественном отборе (выживание наиболее прибыльных подходов). Это делает систему особенно привлекательной для институциональных инвесторов, стремящихся к стабильной доходности при контролируемых рисках в долгосрочной перспективе.

Касаемо фич и признаков: они поступают одновременно со всех остальных модулей внутрь генетической системы. В том числе и сигналы от других модулей (арбитражные, экономические, анализа новостей и позиций фондов, по чистому МО), Плюс, двухканально: при мере набора статистики и торговой истории также поступает торговая история счета через TradingHistory. В итоге получается уже по-настоящему многомерная и эволюционирующая система!
Yevgeniy Koshtenko
Published article Neuro-symbolic systems in algorithmic trading: Combining symbolic rules and neural networks
Neuro-symbolic systems in algorithmic trading: Combining symbolic rules and neural networks

The article describes the experience of developing a hybrid trading system that combines classical technical analysis with neural networks. The author provides a detailed analysis of the system architecture from basic pattern analysis and neural network structure to the mechanisms behind trading decisions, and shares real code and practical observations.

Yevgeniy Koshtenko
Published article Quantum computing and trading: A fresh approach to price forecasts
Quantum computing and trading: A fresh approach to price forecasts

The article describes an innovative approach to forecasting price movements in financial markets using quantum computing. The main focus is on the application of the Quantum Phase Estimation (QPE) algorithm to find prototypes of price patterns allowing traders to significantly speed up the market data analysis.

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Текущий тестовый портфель AFIF. Система отбора акций по анализу фундаментала с помощью CatBoost, также - подбора весов при помощи PyTorch. Теущая доходность в годовом выражении - 68%.
Yevgeniy Koshtenko
Published article Analyzing binary code of prices on the exchange (Part I): A new look at technical analysis
Analyzing binary code of prices on the exchange (Part I): A new look at technical analysis

This article presents an innovative approach to technical analysis based on converting price movements into binary code. The author demonstrates how various aspects of market behavior — from simple price movements to complex patterns — can be encoded in a sequence of zeros and ones.

Yevgeniy Koshtenko
Published article Trend strength and direction indicator on 3D bars
Trend strength and direction indicator on 3D bars

We will consider a new approach to market trend analysis based on three-dimensional visualization and tensor analysis of the market microstructure.

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Моя база кодов была удалена в ноябре 2023. Это - с этих пор. Не включает в себя коды MQL5 и смарт-контракты. Все - мое, не чужое, идеи - мои.

=== Общая статистика проекта ===
Всего файлов: 828
Всего строк: 203169
Строк кода: 149441
Общая цикломатическая сложность: 18208.00

Всего функций: 6404
Всего классов: 375
Оценочная стоимость при оплате Middle ML Engineer: 1,641,579,496.80 руб.

Как говорил Генри Форд, сэкономленное = заработанное....)

А это еще и все отлажено)

По другому рабочие решения не создать.
Yevgeniy Koshtenko
Yevgeniy Koshtenko
На демо сейчас так. Реал мониторингов не будет - я взял проп и слил его за неделю)))))Я лудоман, и именно поэтому я продаю роботов и стремлюсь устроиться в крупный хэдж. Мониторингов с реального счета никогда не будет.
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Мидас пока фигачит как заведенный)

Эта модель никогда не будет продаваться. Только его пред-версии в виде ботов на MQL5. Сама же модель , аналогичная Мидасу, не имеет цены. Вчера общался с девушкой с 20-летним опытом на рынке. Она подтверждает мои наблюдения 9-летнего опыта: на рынке 99,99% трейдеров сливают. Есть всякие блогеры и инфоцыгане, кто ссут в уши, что они зарабатывают, на самом деле их цель - впарить курс.

К тому же, она не имеет аудитории. Богатые и сверхбогатые, кому реально можно его продать за 100-500 млн. долларов, предпочитают свои решения, без длительной истории перфоманса и чека портфолио они ничего покупать не будут. Но фишка в том, что если у меня будет перфоманс, мне уже не нужен будет никто: мне проще написать в венчур Сбера и открыть фонд самому.

А за копейки я продавать ничего не хочу и не буду. Пусть покупают сеточников за 100 баксов. Есть масс-маркет, а есть решения институционального уровня.

У меня сейчас идет распродажа, реально низкая цена, но это последняя такая цена. Акции подобного рода будут проводиться только на Новый Год. 10 января цена всех продуктов вырастет в 10 раз. Мне начихать, будут ли покупать или нет, если честно. Я и так нормально зарабатываю)