Yevgeniy Koshtenko
Yevgeniy Koshtenko
3.6 (8)
  • Información
2 años
experiencia
13
productos
37
versiones demo
1
trabajos
0
señales
0
suscriptores
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.
Yevgeniy Koshtenko
Ha publicado el artículo Gestión de capital en el trading y programa de contabilidad doméstica del tráder con base de datos
Gestión de capital en el trading y programa de contabilidad doméstica del tráder con base de datos

¿Cómo gestiona el capital un tráder? ¿Cómo debe llevar el tráder y el inversor los registros de gastos, ingresos, activos y pasivos? No solo voy a presentarle un programa de contabilidad, sino una herramienta que puede convertirse en su navegante financiero de confianza en el turbulento mar del trading.

Yevgeniy Koshtenko
Ha publicado el artículo Análisis de todas las variantes del movimiento de precios en una computadora cuántica IBM
Análisis de todas las variantes del movimiento de precios en una computadora cuántica IBM

Hoy utilizaremos un computadora cuántica de IBM para descubrir todas las variantes del movimiento de los precios. ¿Le suena a ciencia ficción? ¡Bienvenido al mundo de la informática cuántica para el 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
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
Ha publicado el artículo Fibonacci en Forex (Parte I): Comprobamos la relación tiempo-precio
Fibonacci en Forex (Parte I): Comprobamos la relación tiempo-precio

¿Cómo se desplaza el mercado por una relación basada en los números de Fibonacci? Esta secuencia, en la que cada número sucesivo es igual a la suma de los dos anteriores (1, 1, 2, 3, 3, 5, 8, 13, 21...), no solo describe el crecimiento de la población de conejos. Hoy vamos a analizar la hipótesis de Pitágoras de que todo en el mundo obedece a ciertas relaciones de números....

Yevgeniy Koshtenko
Ha publicado el código Calculadora avanzada de interés compuesto para el comerciante
Una calculadora de interés compuesto para el trader. Calcula, en función de sus parámetros, su riesgo de ruina y el riesgo óptimo por operación. Ofrece una previsión del tamaño de su capital en un año, un mes y al final del plazo.
Yevgeniy Koshtenko
Ha publicado el artículo Analizamos el código binario de los precios en bolsa (Parte II): Convirtiendo a BIP39 y escribiendo un modelo GPT
Analizamos el código binario de los precios en bolsa (Parte II): Convirtiendo a BIP39 y escribiendo un modelo GPT

Seguimos intentando descifrar los movimientos de los precios.... ¿Qué tal un análisis lingüístico del "diccionario de mercado" que obtendríamos convirtiendo el código binario de precios en BIP39? En el presente artículo, nos adentramos en un enfoque innovador del análisis de los datos bursátiles y exploramos cómo pueden aplicarse las modernas técnicas de procesamiento del lenguaje natural al lenguaje del mercado.

Aleksandr Seredin
Aleksandr Seredin 2025.02.13
Очень интересная идея. Спасибо большое автору за этот уникальный материал!
Yevgeniy Koshtenko
Ha publicado el artículo Neurona biológica para la previsión de series temporales financieras
Neurona biológica para la previsión de series temporales financieras

Construimos un sistema de neuronas biológicamente correcto para la predicción de series temporales. La introducción de un medio similar al plasma en la arquitectura de una red neuronal ha creado una especie de "mente colectiva", en la que cada neurona influye en el trabajo del sistema no solo a través de conexiones directas, sino también mediante interacciones electromagnéticas de largo alcance. ¿Cómo se comportará el sistema de modelización neural del cerebro en el mercado?

Yevgeniy Koshtenko
Ha publicado el artículo Indicador de previsión de volatilidad con Python
Indicador de previsión de volatilidad con Python

Hoy pronosticaremos la volatilidad extrema futura utilizando una clasificación binaria. Asimismo, crearemos un indicador de previsión de volatilidad extrema usando el aprendizaje automático.

Yevgeniy Koshtenko
Ha publicado el artículo Algoritmo de trading evolutivo con aprendizaje por refuerzo y extinción de individuos no rentables (ETARE)
Algoritmo de trading evolutivo con aprendizaje por refuerzo y extinción de individuos no rentables (ETARE)

Hoy le presentamos un innovador algoritmo comercial que combina algoritmos evolutivos con aprendizaje profundo por refuerzo para la negociación de divisas. El algoritmo utiliza un mecanismo de extinción de individuos ineficaces para optimizar la estrategia comercial.

Yevgeniy Koshtenko
Ha publicado el artículo Métodos de discretización de los movimientos de precios en Python
Métodos de discretización de los movimientos de precios en Python

Hoy analizaremos varios métodos de discretización de precios en Python + MQL5. En este artículo compartiré mi experiencia práctica en el desarrollo de una biblioteca Python que implementa toda una gama de enfoques para la formación de barras: desde las clásicas Volume y Range bars hasta métodos más exóticos como Renko y Kagi, velas de ruptura de tres líneas, barras de Rango; ¿cuáles son sus estadísticas, de qué otra forma se pueden representar los precios de forma discreta?

Yevgeniy Koshtenko Ha publicado el producto

AI Media Móvil Tendencia Breve descripción Un innovador indicador de tendencia que utiliza tecnología de redes neuronales para el análisis adaptativo del movimiento de los precios, perfecto para operadores a medio y largo plazo que trabajan en varios marcos temporales. Descripción completa Principio de funcionamiento El indicador emplea una red neuronal de una sola capa para analizar los movimientos de los precios y construir una línea de tendencia adaptativa. El algoritmo combina la media móvil

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
Ha publicado el artículo Sistemas neurosimbólicos en trading algorítmico: Combinación de reglas simbólicas y redes neuronales
Sistemas neurosimbólicos en trading algorítmico: Combinación de reglas simbólicas y redes neuronales

El artículo relata la experiencia del desarrollo de un sistema comercial híbrido que combine el análisis técnico clásico con las redes neuronales. El autor describe detalladamente la arquitectura del sistema, desde el análisis básico de patrones y la estructura de la red neuronal hasta los mecanismos de toma de decisiones comerciales, compartiendo código real y observaciones de carácter práctico.

Yevgeniy Koshtenko
Ha publicado el artículo Computación cuántica y trading: Una nueva mirada a las previsiones de precios
Computación cuántica y trading: Una nueva mirada a las previsiones de precios

En el artículo analizaremos un enfoque innovador para predecir los movimientos de precios en los mercados financieros utilizando la computación cuántica. La atención se centrará en la aplicación del algoritmo Quantum Phase Estimation (QPE) para encontrar precursores de patrones de precios, lo que permitirá acelerar considerablemente el proceso de análisis de los datos de mercado.

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
Ha publicado el artículo Analizamos el código binario de los precios en bolsa (Parte I): Una nueva visión del análisis técnico
Analizamos el código binario de los precios en bolsa (Parte I): Una nueva visión del análisis técnico

En este artículo presentaremos un enfoque innovador del análisis técnico basado en la conversión de los movimientos de los precios en código binario. El autor demostrará cómo diversos aspectos del comportamiento de los mercados -desde simples movimientos de precios hasta patrones complejos- pueden codificarse en una secuencia de ceros y unos.

Yevgeniy Koshtenko
Ha publicado el artículo Indicador de fuerza y dirección de la tendencia en barras 3D
Indicador de fuerza y dirección de la tendencia en barras 3D

Hoy estudiaremos un nuevo enfoque del análisis de las tendencias del mercado basado en la visualización tridimensional y el análisis tensorial de la microestructura del mercado.

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.