Yevgeniy Koshtenko
|
2 anni
esperienza
|
7
prodotti
|
67
versioni demo
|
|
1
lavori
|
0
segnali
|
0
iscritti
|
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.
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
Почти неделю сидел и мучился, пытался сделать нормальный тестер Питона для моделей. Ничего. Не работает. Либо показывает всегда прибыль, либо всегда слив. Вроде все учтено, спред, комса, направления сделок и потери на свопе, но все равно не работает.
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.
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.
· 1
Yevgeniy Koshtenko
Articolo pubblicato Sviluppo di un robot in Python e MQL5 (Parte 1): Preelaborazione dei dati 
Sviluppo di un robot di trading basato sull'apprendimento automatico: Una guida dettagliata. Il primo articolo della serie tratta della raccolta e della preparazione dei dati e delle caratteristiche. Il progetto è stato implementato utilizzando il linguaggio di programmazione e le librerie Python, nonché la piattaforma MetaTrader 5.
· 4
715
Yevgeniy Koshtenko
Articolo pubblicato Creazione di un algoritmo di market making in MQL5 
Come funzionano i market maker? Analizziamo questo problema e creiamo un algoritmo di market making rudimentale.
205
Yevgeniy Koshtenko
Articolo pubblicato Analisi quantitativa in MQL5: Implementazione di un algoritmo promettente 
Analizzeremo la questione di cosa sia l'analisi quantitativa e come viene utilizzata dai principali operatori. Creeremo uno degli algoritmi di analisi quantitativa nel linguaggio MQL5.
· 2
657
Yevgeniy Koshtenko
Тест на участке вне обучения с 2013, одной из моделей, которые сейчас стоят на тесте. +10% без плеча в год. Просадка 8%.
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!
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!
Yevgeniy Koshtenko
Articolo pubblicato Python, ONNX e MetaTrader 5: Creazione di un modello RandomForest con RobustScaler e preelaborazione dei dati PolynomialFeatures 
In questo articolo, creeremo un modello foresta casuale in Python, lo addestreremo e lo salveremo come pipeline ONNX con la pre-elaborazione dei dati. Dopodiché, utilizzeremo il modello nel terminale MetaTrader 5.
649
Yevgeniy Koshtenko
Codice pubblicato Calcolatore del rischio per MT 5
L'indicatore calcola il rischio in percentuale e fornisce la dimensione del lotto accettabile per il rischio. È sufficiente specificare il rischio in percentuale e la dimensione dello stop in pips.
197
1493
Yevgeniy Koshtenko
Codice pubblicato Количественный анализ тейков и стопов
Советник анализирует вероятности достижения тейк-профита и стоп-лосса.
164