|
2 años
experiencia
|
14
productos
|
36
versiones demo
|
|
1
trabajos
|
0
señales
|
0
suscriptores
|
Active in financial markets since 2016, algorithmic trading since 2019, and machine learning and software development since 2021.
I develop Expert Advisors, algorithmic trading systems, technical indicators, smart contracts, token and cryptocurrency infrastructure, business automation solutions, and turnkey AI models.
I am currently developing an institutional-grade trading ecosystem for my own hedge fund, alongside a proprietary AI-powered blockchain infrastructure.
The project already includes a multi-module Python infrastructure for trading through Interactive Brokers, a dedicated trading system for RoboForex, and a fully developed institutional-grade Expert Advisor built around strict risk management parameters — including a 2% maximum daily drawdown and a 5% maximum weekly drawdown — with a primary focus on long-term stability, disciplined capital preservation, and sustainable institutional-level performance.
https://www.mql5.com/ru/market/product/193554
RoboForex traders can also access a 95% commission and spread rebate by opening a new trading account using my referral code — jsdnu.
Through my SINERGY rebate service, 95% of eligible RoboForex trading commissions and spread costs are credited back every trading day at 08:00. This can reduce effective trading costs to approximately $1 per lot, positioning the setup among the most cost-efficient ECN trading arrangements available globally.
Author of 100+ international articles published in multiple languages worldwide.
Desarrollar un robot de trading basado en aprendizaje automático: Una guía detallada. El primer artículo de la serie trata de la recogida y preparación de datos y características. El proyecto se ejecuta utilizando el lenguaje de programación y las librerías Python, así como la plataforma MetaTrader 5.
¿Cómo funcionan los creadores de mercado? Consideremos esta cuestión y creemos un algoritmo primitivo de creación de mercado.
Hoy veremos qué es el análisis cuantitativo, cómo lo utilizan los grandes jugadores y crearemos uno de los algoritmos de análisis cuantitativo en MQL5.
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!
En este artículo, crearemos un modelo de bosque aleatorio en Python, entrenaremos el modelo y lo guardaremos como un pipeline ONNX con preprocesamiento de datos. Además, usaremos el modelo en el terminal MetaTrader 5.
Este es un indicador de análisis cuantitativo para cualquier mercado. Su funcionamiento es sencillo: calcula la magnitud de las oscilaciones del movimiento del precio de arriba abajo y ofrece el valor medio de la magnitud de la tendencia sin retroceso. Si el valor actual del movimiento ha superado este umbral en más de un 10 % (110 % del indicador), puede entrar en una operación en contra de la tendencia y operar con un amplio margen de maniobra basado en el ATR. ¡Las operaciones se obtienen con
Este es un indicador de análisis cuantitativo para cualquier mercado. Su funcionamiento es sencillo: calcula la magnitud de las oscilaciones del movimiento del precio de arriba abajo y ofrece el valor medio de la magnitud de la tendencia sin retroceso. Si el valor actual del movimiento ha superado este umbral en más de un 10 % (110 % del indicador), puede entrar en una operación en contra de la tendencia y operar con un amplio margen de maniobra basado en el ATR. ¡Las operaciones se obtienen con