Yevgeniy Koshtenko / Profil
- Informations
|
2 années
expérience
|
7
produits
|
67
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.
План до начала лета : обучить минимум 21 модель, по 5-7 на каждой паре, на разных парах. Целевая доходность в год у каждой по 2%, целевая просадка до 1% в год, и совокупная по всем парам не более 4-5%. Каждую из моделей я буду загружать в маркет MQL5, средняя цена по всем моделям будет 800 долларов.
А 1 июня начнется жара. Мы с другом возьмём проп, большой счёт. Проп израильский, мы так страхуемся от санкций, евреи никогда не будут вводить санкции против русскоязычных там, где русские могут помочь им заработать.
Все Вагнера торгуют там, кто понял тот понял) Я уже получил подключение к их реальному серверу, посмотрел там все, мои модели там успешно торгуют, все супер!
И сразу же в июне я запущу реалити шоу на 2 миллиарда тенге. Смысл этого пропа в масштабировании счета. Берете вы допустим счет на 50 000 долларов, при успешной торговле проп обязуется увеличивать ваш счёт на 30-50% за каждые 10% на счёте, вплоть до 4 000 000$.
Я сделаю публичный сигнал MQL5. Буду рассказывать о том, как идёт торговля, предоставлять отчётность. Все это будет в рамках реалити, и цель дойти до планки счета в 4 миллиона долларов за 2-3 года.
Как вам идея?
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
Développement d'un robot de trading basé sur l'apprentissage automatique : Un guide détaillé. Le premier article de la série traite de la collecte et de la préparation des données et des caractéristiques. Le projet est mis en œuvre à l'aide du langage de programmation et des bibliothèques Python, ainsi que de la plateforme MetaTrader 5.
How do market makers work? Let's consider this issue and create a primitive market-making algorithm.
Nous analyserons la question de savoir ce qu'est l'analyse quantitative et comment elle est utilisée par les principaux acteurs. Nous allons créer l'un des algorithmes d'analyse quantitative dans le langage 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!
Dans cet article, nous allons créer un modèle de forêt aléatoire (random forest) en Python, entraîner le modèle et le sauvegarder en tant que pipeline ONNX avec un pré-traitement des données. Ensuite, nous utiliserons le modèle dans le terminal MetaTrader 5.