|
2 années
expérience
|
7
produits
|
66
versions de démo
|
|
0
offres d’emploi
|
0
signaux
|
0
les abonnés
|
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.
В статье предлагается синтез новых технологий для преодоления ограничений классических индикаторов в аналитике рыночных данных. Показано, как языковые модели и квантовое кодирование могут выявлять скрытые рыночные паттерны, которые традиционные методики упускают. Эксперимент подтверждает ценность новых технологий и предлагает обновлённую методологию анализа, соответствующую современному уровню вычислительных инноваций.
Впервые используем квантовые вычисления для поставки фичей в МО. Прямо в эту ночь я напишу статью про обучение LLM на квантовых состояниях.
Если кратко - мы поставляем сразу одновременно все варианты прошлого и будущего как фичи в МО, в этом был изначальный замысел проекта.
Статья описывает практическую реализацию гибридной системы алгоритмического трейдинга, объединяющей квантовые вычисления (IBM Qiskit) и градиентный бустинг (CatBoost) для предсказания движения EUR/USD на часовом таймфрейме. Система извлекает четыре уникальных квантовых признака из вероятностного распределения по 256 состояниям через восемь кубитов, которые в комбинации с классическими индикаторами и дельта-кодированием временных категорий достигают точности 62% на 15,000 свечах.
Статья описывает процесс файнтьюна языковой модели для трейдинга на основе реальных исторических данных из MetaTrader 5. Базовая модель, знающая лишь теоретический технический анализ, обучается на тысяче примеров реального поведения валютных пар (EURUSD, GBPUSD, USDCHF, USDCAD) за 180 дней. После обучения через Ollama модель начинает понимать специфику каждого инструмента.
Создаем свой собственный агрегатор ликвидности, и рубим с него деньгу)
Мало кто использует этот инструмент, хотя хэдж-фондам на MQL5 он доступен по дефолту.
Прибыль надежна, как в банке. Потерять невозможно. Но можно потерять весь счет сразу, если брокер заблокирует вас, а заблокирует уж как пить дать, все брокеры безжалостно банят арбитражников, а российские брокеры вроде не дают открывать счета в золоте, юанях, фунтах или долларах наряду с рублями) Так что это скорее из области теоретических изысканий....
Инновационный индикатор на основе теории простых чисел помогает находить сильные уровни разворота, которые не видят другие трейдеры. Тестирование на 10 активах показало: развороты в математически значимых зонах происходят в 1.5-1.8 раза чаще. Пять практических сценариев применения с конкретными правилами для фильтрации ложных пробоев и точного входа в рынок.
Статья представляет инновационную концепцию мультитаймфреймового Ренко-графика, который объединяет сигналы с четырёх временных масштабов (M5, M15, H1, H4) в единый синтетический инструмент. Система создаёт виртуальный символ в MetaTrader 5, используя EMA каждого таймфрейма для формирования композитного сигнала через три метода: простое среднее, взвешенное среднее и консенсус. Реализация включает адаптивный размер кирпича на основе ATR, работу в реальном времени и полную интеграцию с MetaTrader 5.
Статья исследует революционную интеграцию больших языковых моделей (LLM) с торговой платформой MetaTrader 5, где AI не просто прогнозирует цены, а принимает автономные торговые решения, анализируя контекст рынка подобно опытному трейдеру. Автор раскрывает фундаментальное отличие LLM от классических моделей машинного обучения вроде CatBoost — способность к метапознанию и саморефлексии, что позволяет системе учиться на собственных ошибках и улучшать стратегию.
Еще ищу советские учебники логики 40-х и 50-х, или хотя-бы конспекты по ним - чтобы засунуть их в модель также.
Дообучение до идеала займет гору времени, если учесть что один бэктест за два месяца с дообучением на случайных сэмплах идет около суток.
Главная задача на неделю выполнена: я полностью избавился от зависимости от CladeAI и ChatGPT, не нужно платить за токены, модель своя - собственная. К тому же, она при рождении получила данные по ценам и признакам за 20 лет. Это тоже плюс.
Вчера еще была одна версия с глубоким рефлексированием, но она до такой степени задумалась, что думала все время пока я спал, а к решению так и не пришла. Глубокие рассуждения могут погружать модель в бесконечные циклы и цепочки мыслей, которые порой становятся бредом.
1 миллиард нейронов, пока что. Буду увеличивать число нейронов.
Обучен на данных 28 валютных пар. Его основная задача - прогноз цены на 24 часа.
Оно разговаривает уже))))Туповат. Путает русские и английские слова))))В него еще требуется загрузить литературу, а не только котировки и метки))))
Также нужно скачать по идее, все статьи где хоть как-то описывается работа с индикаторами - признаками. Туповато конечно, учитывая что модель должна сама обучиться на принципах которые в ней заложены при создании, и целевых метках плюс датасете. Вообще, пока архитектура очень простая и легкая.
Бэктесты на 50-60% плохие. Есть крайне удачные комбинации промптов, но проблема не в этом.
Проблема в том, что всего за день у меня улетело с карты 15 к на оплату токенов. Оно кажется что по копейке снимают: но с карты снимается понемногу, через серверспейс, а потом считаешь и офигеваешь.
Поэтому готовлю свое кастом-решение: я загружу болванку самой легкой LLM 4 версии на 7 млрд. параметров, и обучу ее на всех статьях MQL5 и всех статьях, какие я найду по трейдингу. Также сгенерирую в Claude и ChatGPT кучу гайдов для системы. Что получится на выходе, я не знаю. Возможно за счет узкой специализации это будет круче чем общая LLM Claude ,но с другой стороны, у большой крутой LLM и способности к обобщению будут покруче...Прямо сейчас начал писать про весь процесс статью.