Yevgeniy Koshtenko / プロファイル
- 情報
|
2 年
経験
|
13
製品
|
38
デモバージョン
|
|
1
ジョブ
|
0
シグナル
|
0
購読者
|
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.
Pythonを用いた購買力平価(PPP)ベースの為替レート分析システムの構築。IMFデータを用いて、5つの方法によって理論為替レートを計算するアルゴリズムを開発しました。本記事は、ファンダメンタルな通貨分析、経済データの処理、トレードシステムとの統合に関する実践的なガイドです。完全なコードはオープンソースとして公開されています。
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.
PythonでIMFデータを取得する:マクロ経済に基づく通貨戦略に活用するためのIMF(国際通貨基金)データマイニング。マクロ経済は、一般のトレーダーおよびアルゴリズムトレーダーにどのように役立つのでしょうか。
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.
CFTCデータのマイニングを試み、Pythonを通じてCOTおよびTFFレポートをダウンロードし、これらをMetaTrader 5の相場データおよびAIモデルと統合して、予測を得てみましょう。FX市場におけるCOTレポートとは何でしょうか。また、COTおよびTFFレポートをどのように予測に活用するのでしょうか。
中央銀行のバランスシートデータを分析することで、外国為替市場全体と主要通貨におけるグローバル流動性の姿を把握できます。米連邦準備制度(Fed)、欧州中央銀行(ECB)、日銀(BOJ)、および中国人民銀行(PBoC)のデータを統合し、複合インデックスを作成し、機械学習を用いて隠れたパターンを明らかにします。このアプローチは、ファンダメンタル分析とテクニカル分析を組み合わせることで、生データを実際の取引シグナルへと変換します。
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!
MQL5における外国為替市場向け古典的CAPMモデルの適用を扱います。本インジケータは、ヒストリカルボラティリティに基づいて期待リターンとリスクプレミアムを算出します。インジケータ値は相場の天井圏や底値圏で上昇し、資産価格決定の基本原理を反映します。リスクリワード比の変化をリアルタイムで考慮しながら、逆張り戦略および順張り戦略に活用できます。本記事では、その数学的背景と技術的な実装方法について詳しく解説します。
本記事では、MQL5でARIMA予測インジケーターを実装する方法について説明します。ARIMAモデルがどのように予測を生成するのか、またそれが外国為替市場や株式市場全般にどのように適用できるのかを解説します。さらに、自己回帰(AR)とは何か、自己回帰モデルがどのように予測に利用されるのか、その仕組みについても説明します。
ARIMA Neural Link - Trading Revolution When Mathematics Meets Artificial Intelligence Tired of unpredictable losses? Fed up with guessing market movements like reading tea leaves? While you're losing money on emotional decisions, professional traders are already using tomorrow's technology. Introducing ARIMA Neural Link The world's first hybrid indicator combining the power of classical ARIMA modeling with cutting-edge neural network algorithms. This isn't just another indicator — it's a quantum
マルコフ状態遷移行列に基づくニューラルネットワークを用いた自己学習型EA。本記事では、ALGLIB MQL5ライブラリで開発した多層ニューラルネットワーク(MLP)とマルコフ連鎖を組み合わせた自己学習型EAについて解説します。マルコフ連鎖とニューラルネットワークをどのように統合し、FX予測へ応用できるのでしょうか。
マルコフ連鎖に基づいた行列予測モデルを作成します。マルコフ連鎖とは何でしょうか。また、マルコフ連鎖を外国為替取引にどのように活用できるのでしょうか。
取引におけるコンピュータビジョン:仕組みと開発手順本記事では、RGB画像として価格チャートを認識するアルゴリズムを構築し、アテンション機構と双方向LSTM層を用いる方法について説明します。結果として、EURUSDの価格を予測する動作モデルを構築し、検証セクションにおいて最大55%の正解率を得ます。
