|
2 años
experiencia
|
13
productos
|
37
versiones demo
|
|
1
trabajos
|
0
señales
|
0
suscriptores
|
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.
В статье показано, как вместо треугольного арбитража использовать полный валютный граф из 8 валют и 28 пар. Для каждой пары DFS перечисляет простые кросс‑пути длиной от 2 до N рёбер, а справедливая цена получается как взвешенное геометрическое среднее в лог‑пространстве. Отклонение рынка от этой оценки служит источником mean‑reversion сигналов.
Индикатор ZigZag дополняется количественной оценкой длин волн: для восходящих и нисходящих движений считаются текущая длина, максимум, минимум, среднее и медиана, обновляемые на каждом новом баре. Разбираются ключевые элементы реализации: поиск экстремумов в скользящем окне, конечный автомат пивотов, инкрементальный пересчёт и отключение визуального слоя в тестере. Практическая польза — объективные численные ориентиры вместо визуальной оценки на глаз.
Рассматриваем альтернативу нейросетевым фильтрам сигналов: ассоциативные правила и базовую теорию вероятностей в MQL5, без Python и внешних библиотек. Показано, как дискретизировать рыночные условия (RSI, EMA, ATR, импульс, сессия), собрать статистику по support, confidence, lift и edge с сглаживанием Лапласа и применять результат как прозрачный входной фильтр перед сделкой.
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.
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.
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. **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.
SMC Proximity RSI + Time Blocks — un oscilador RSI potenciado por las zonas del dinero inteligente Un RSI normal muestra sobrecompra y sobreventa. Pero no tiene ni idea de DÓNDE se encuentra el precio respecto a las zonas institucionales clave. SMC Proximity RSI resuelve eso. Este oscilador combina el RSI clásico con el análisis Smart Money Concepts: mide la cercanía del precio a los Order Blocks, Fair Value Gaps, Time Blocks y niveles de Soporte/Resistencia, y amplifica la señal del RSI justo
Bloque de órdenes ICT — SMC Un indicador de bloques de órdenes basado en la metodología ICT (Smart Money Concepts). Detecta y traza automáticamente en tu gráfico las zonas alcistas y bajistas de bloques de órdenes, realiza un seguimiento de su evolución y elimina las zonas una vez que se han agotado. Observa las áreas en las que el «dinero inteligente» ha entrado en el mercado, sin necesidad de marcar el gráfico a mano. Qué hace el indicador Analiza el historial de precios y detecta bloques de
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.
FVG Analysis — detección y seguimiento de Fair Value Gaps (zonas de ineficiencia) FVG Analysis es un indicador que encuentra automáticamente en el gráfico las zonas de ineficiencia de precio —conocidas en los Smart Money Concepts como Fair Value Gaps— y sigue su ciclo de vida desde la formación hasta su mitigación. Estas zonas aparecen allí donde el mercado se movió de forma tan impulsiva que dejó tras de sí un hueco de precio no cubierto por las velas vecinas, y es precisamente a esas áreas a
SMC Market Structure PRO — Order Blocks, FVG, Liquidez y Zonas de Confluencia Deja de adivinar. Empieza a leer el mercado como lo ven los grandes jugadores. SMC Market Structure PRO detecta automáticamente en tu gráfico las zonas de interés del dinero inteligente —Order Blocks, Fair Value Gaps (FVG) y desequilibrios temporales— y resalta las Zonas de Confluencia donde los tres tipos de estructura se superponen. Es justo ahí donde el precio reacciona con mayor frecuencia. Es una herramienta
Panel de fortaleza de divisas y retrocesos: puntos de entrada basados en la fortaleza de las divisas y los retrocesos El Panel de Fortaleza de las Divisas y Retrocesos es un panel analítico que resuelve dos tareas del operador a la vez: muestra qué pares de divisas están experimentando un movimiento fuerte en este momento y señala dónde se ha abierto una oportunidad para sumarse a ese movimiento a un precio favorable durante un retroceso. A diferencia de los indicadores clásicos de fortaleza de
Статья описывает TradeMux как мост между Python-пайплайном и терминалом MetaTrader 5 для чистой передачи торговых решений без дублирования логики. Разобрана production-архитектура из четырёх слоёв и полный Python execution service: подключение, чтение счёта и позиций, генерация сигналов (включая CatBoost), предторговый риск-контроль, kill_switch и supervisor. Практическая польза — кросс-брокерная нормализация (RoboForex, IC Markets, Alpari, OANDA) и масштабирование от одного счёта к мультисчётному broadcast без изменения торговой логики.
Разбирается практическое применение L1 Trend Filter для очистки шума и формирования структурных признаков, совместимых с live-торговлей. Показан полный цикл: H1-данные 29 инструментов из MetaTrader 5, каузальная фильтрация, CatBoost на горизонте трёх L1-баров, честный walk-forward и распределение лотов по VaR. Читатель получает воспроизводимый кодовый конвейер и методику портфельной оценки.
Статья продолжает серию об AI Hedge Fund и снимает три ограничения v4: репутации аналитиков теперь персистентны в SQLite, EA выведен из критического пути исполнения, а сигналы совета пятнадцати рассылаются на несколько брокеров через TradeMux REST API. Логика совета и риск-менеджмента не менялась: Python получает данные через MetaTrader 5 SDK и исполняет ордера напрямую. Результат — устойчивость к перезапускам и масштабирование на несколько терминалов.
В статье разобрана архитектура советника на клеточном автомате с 10 000 адаптирующихся параметров и независимым бинарным предиктором на горизонте 10 баров. Показано трёхуровневое онлайн-обучение, эволюция стратегий и валидация через кольцевой буфер и матрицу ошибок. Параметры входа сведены к Magic Number, торговые настройки вычисляются из ATR и пяти геномов. Тест EURUSD H1 дал ориентировочный Hit Rate около 58% против ~51% у фиксированной MLP.
