|
2 años
experiencia
|
7
productos
|
67
versiones demo
|
|
0
trabajos
|
0
señales
|
0
suscriptores
|
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.
El análisis de brechas temporales ayuda a los tráders a identificar posibles puntos de reversión del mercado. El artículo analiza qué es un desfase temporal, cómo interpretarlo y de qué manera se puede utilizar para detectar la inyección de un gran volumen en el mercado.
Construcción de un sistema de análisis de tipo de cambio basado en paridad de poder adquisitivo (PPA) en Python. El autor ha desarrollado un algoritmo con cinco métodos para calcular tipos de cambio justos utilizando datos del FMI. El presente artículo supone una guía práctica para el análisis fundamental de divisas, el procesamiento de datos económicos y la integración con sistemas comerciales. Encontrará el código completo en open source.
Верхний уровень системы: Мета модель, принимающая признаки, прогнозы и ошибки всех остальных моделей
Второй верхний уровень системы: Раздельные модули, у каждого есть ИИ модель:
2D RGB компьютерное зрение
Эмуляция опционов
Эмуляция фьючерсов
Загрузка данных опционов и фьючерсов CME
Загрузка данных Всемирного банка
Загрузка данных Международного валютного фонда
Загрузка данных Eurostat
Загрузка данных NasdaqStat
Загрузка новостного дата банк news.com
Загрузка позиций хедж-фондов через SEC
Загрузка позиций хедж-фондов через CFTC
Анализ последовательностей Фибоначчи
Анализ величин трендов
Анализ объёмов
Анализ углов движения цен и углов Ганна
Анализ арбитражных вилок через треугольный арбитраж
Анализ справеливых цен валют по ППС
Анализ статистических производных цен
Анализ сезонности торгов, часов, дней недели
Анализ группового движения всех главных 28 валют в мире, корреляций, коинтеграций, корзин
Анализ данных со спутников США и загруженности портов для экспорта и импорта
Анализ нумерологического скора цены
Анализ влияния положений звёзд и планет на цены через астрологическую библиотеку Пайтона
Анализ аппроксимации простых чисел цены
ARIMA с обучением нейросети на её остатках
Эти модули складывают свои прогнозы алгоритмом консенсуса (привет Эфириум).
Нижний уровень системы: оптимизация портфеля сделок по их направлениям через портфельную теорию Марковица + VaR модель.
Будет ещё один нижний уровень, отвечающий за DCA усреднение и непосредственно набор и сброс позиций.... Пилю его.
Много сил ушло.
Descarga de datos del Fondo Monetario Internacional en Python: extraemos datos del FMI para su uso en estrategias monetarias macroeconómicas. ¿Cómo puede la macroeconomía ayudar a los tráders y tráders algorítmicos?
Сидишь ночью перед монитором, кофе остыл, глаза красные от экранов. Еще одна красная свеча съела половину депозита. Знакомо?
Каждый день тысячи людей входят на рынок с мечтами о финансовой свободе, но выходят с пустыми карманами и разбитыми иллюзиями. И дело не в том, что они плохо анализируют графики или не понимают фундамент. Дело в том, что они не понимают главного врага каждого трейдера — самого себя.
Высокие риски — это не просто цифры в торговом терминале. Это психологический капкан, который расставляет наше собственное сознание. Когда ты видишь, как твоя сделка идет в плюс на 50%, внутри просыпается первобытный инстинкт: "А что если еще подождать? Вдруг будет 100%?" И ты держишь. Держишь до тех пор, пока рынок не развернется и не заберет не только прибыль, но и часть депозита.
А потом начинается самое страшное — попытка отыграться. Лот увеличивается в два раза, потом в три. "Я же знаю рынок, я же видел этот паттерн сто раз!" И снова красная свеча. И снова боль в груди от осознания того, что ты только что потерял деньги, которые откладывал месяцами.
Знаешь, что самое печальное? Большинство сливают не из-за плохих стратегий. Они сливают из-за того, что не умеют управлять риском и собственными эмоциями. Они ставят стопы "на авось", рискуют 20-30% депозита на одну сделку и верят, что рынок им что-то должен.
Рынок никому ничего не должен. Он просто есть. Как океан, который может подарить тебе прекрасную волну или утопить без предупреждения. И единственное, что отличает тех, кто выживает, от тех, кто тонет — это умение читать этот океан и понимание того, сколько ты можешь позволить себе проиграть.
Всю эту неделю я работал над новым продуктом, основанном на моей системе Мидас — это уникальное применение GPT-моделей Transformer на финансовых рынках. Представь себе нейросеть, которая анализирует не просто цены, а паттерны поведения рынка через архитектуру внимания — точно так же, как ChatGPT понимает контекст в тексте. Я интегрировал механизмы self-attention с Марковскими цепями для предсказания рыночных состояний, добавил систему постоянного дообучения и создал архитектуру, которая учится на собственных ошибках в режиме реального времени.
Но самая крутая технология не поможет тебе, если ты не умеешь управлять рисками. Поэтому сейчас у меня есть комбо-предложение, которое решает обе проблемы: риск-менеджер для ручной торговли плюс архив рабочих роботов 2022-2023 года. Все это за 20 000 рублей — цену одной неудачной сделки с неправильным риском.
Риск-менеджер научит тебя думать не категориями "сколько заработаю", а категориями "сколько готов потерять". А роботы покажут, как работают алгоритмы, которые уже прошли проверку временем и волатильностью.
Потому что в конце дня важно не то, сколько ты заработал на одной сделке. Важно то, останешься ли ты в игре завтра.
Hoy intentaremos extraer datos de la CFTC, descargar informes COT y TFF a través de Python, conectarlos con cotizaciones de MetaTrader 5 y un modelo de IA, y obtener pronósticos. ¿Qué son los informes COT en el mercado Forex? ¿Cómo usar los informes COT y TFF para realizar previsiones?
La minería de datos del balance de los bancos centrales ofrece una imagen de la liquidez global en el mercado Forex y en las divisas clave. Hoy combinaremos datos de la Fed, el BCE, el BOJ y el PBoC en un índice compuesto y utilizaremos el aprendizaje automático para descubrir patrones ocultos. Este enfoque convierte los datos sin procesar en señales comerciales reales combinando el análisis fundamental y técnico.
Есть много разных модулей: и анализ трендов, и анализ объёмов, и анализ реальных объёмов валютных фьючерсов и опционов Чикаго, и анализ позиций хэдж-фондов, и анализ балансов и трендов балансов мировых центробанков включая ЕЦБ и ФРС, и анализ более 2500 экономических показателей от Евростата, Насдаг Стата и Всемирного банка, хоть как-то влияющих на курс валют. Есть и компьютерное зрение, и использование квантового суперкомпьютера IBM, даже модули анализирующие цены через последовательности Фибоначчи, через нумерологический скор, и через астрологические циклы, это не шутка)
Плюс отдельный модуль, составляющий оптимальный портфель по всём сигналам.
Целевая прибыль должна увеличиться с прошлых 1000 пунктов в день, как минимум до 1200-1300 пунктов в сутки.
35000 строк кода. Это лучший робот мира. Midas!
Adaptación del modelo CAPM clásico para el mercado de divisas Forex en MQL5. El indicador calcula el retorno esperado y la prima de riesgo según la volatilidad histórica. Los indicadores suben en los picos y valles, lo que refleja los principios fundamentales de fijación de precios. Aplicación práctica de estrategias de contra-tendencia y seguimiento de tendencia, considerando la dinámica de la relación riesgo-retorno en tiempo real. Incluye aparato matemático e implementación técnica.
En este artículo, crearemos un indicador de pronóstico ARIMA en MQL5. El artículo analiza cómo el modelo ARIMA genera pronósticos y su aplicabilidad al mercado Forex y al mercado de valores en general. También explica qué es la autorregresión AR, cómo se utilizan los modelos autorregresivos para realizar pronósticos y cómo funciona el mecanismo autorregresivo.
Asesor de autoaprendizaje con red neuronal basada en matriz de estados. Hoy combinaremos cadenas de Márkov con una red neuronal multicapa MLP, escrita en la biblioteca ALGLIB MQL5. ¿Cómo podemos combinar las cadenas de Márkov y las redes neuronales para realizar previsiones en Forex?