Yevgeniy Koshtenko / プロファイル
- 情報
|
2 年
経験
|
7
製品
|
67
デモバージョン
|
|
0
ジョブ
|
0
シグナル
|
0
購読者
|
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.
市場はフィボナッチに基づく関係性をどのように観測しているのでしょうか。各項が直前の2つの項の和になっているこの数列(1, 1, 2, 3, 5, 8, 13, 21...)は、ウサギの個体数の増加を説明するだけのものではありません。私たちは、「世界のあらゆるものは数の一定の関係に従う」というピタゴラス派の仮説を考察します。
価格の動きを解読し続けます。では、バイナリ価格コードをBIP39に変換して得られる「市場辞典」の言語分析はどうでしょうか。本記事では、データ分析における革新的なアプローチを掘り下げ、現代の自然言語処理技術が市場言語にどのように応用できるかを考察します。
時系列予測のために生物学的に正しいニューロンシステムを構築します。ニューラルネットワークのアーキテクチャにプラズマ的な環境を導入することで、一種の「集合知」が生まれます。そこでは、各ニューロンが直接的な結合だけでなく、長距離の電磁相互作用を通じてもシステム全体の動作に影響を与えます。このようなニューラル脳モデリングシステムが市場においてどのような性能を発揮するのかを見ていきます。
本記事では、二値分類を使って将来の極端なボラティリティを予測します。さらに、機械学習を活用した極端ボラティリティ予測インジケーターの開発もおこないます。
この記事では、進化アルゴリズムと深層強化学習を組み合わせた、外国為替取引のための革新的な取引アルゴリズムを紹介します。このアルゴリズムは、非効率な個体を絶滅させるメカニズムを使用して取引戦略を最適化します。
Python + MQL5を使用した価格離散化手法を見ていきます。本記事では、バー生成に関する幅広い手法を実装したPythonライブラリの開発経験についご紹介します。クラシックなボリュームバーやレンジバーから、よりエキゾチックな練行足やカギ足といった手法までを網羅します。スリーラインブレイクローソク足やレンジバーの統計分析をおこないながら、価格を離散的に表現する新たな方法を探っていきます。
ETARE (Эволюционный Торговый Алгоритм с Подкреплением и Вымиранием) – революционная торговая система, которая переосмысливает принципы теории эволюции Дарвина в контексте финансовых рынков. Как в природе выживают наиболее приспособленные организмы, так и в ETARE процветают только самые эффективные торговые стратегии.
В основе системы лежит принцип естественного отбора: множество торговых стратегий конкурируют между собой, подобно видам в экосистеме. Успешные стратегии "выживают" и передают свои характеристики (гены, веса нейросетей) следующим поколениям через механизм генетического наследования, в то время как неэффективные – отсеиваются. Этот процесс, реализованный через передовые алгоритмы машинного обучения, обеспечивает постоянную адаптацию к меняющимся рыночным условиям.
Периодически электронная популяция вымирает, остаются сильнейшие!
Подобно тому, как биологические виды развивают иммунитет к неблагоприятным факторам среды, ETARE формирует устойчивость к различным рыночным условиям. Система использует многоуровневый механизм управления рисками, включающий стратегию динамического усреднения позиций и адаптивное распределение капитала.
Ключевой особенностью ETARE является её способность к самообучению через механизм подкрепления. Каждая торговая операция, независимо от результата, обогащает "генетический код" системы, улучшая качество будущих решений. Это напоминает процесс эволюционной адаптации, где каждое поколение становится более приспособленным к своей среде.
Инвестиционная эффективность ETARE базируется на трех фундаментальных принципах эволюционной теории: наследственности (передача успешных торговых паттернов), изменчивости (постоянная адаптация стратегий) и естественном отборе (выживание наиболее прибыльных подходов). Это делает систему особенно привлекательной для институциональных инвесторов, стремящихся к стабильной доходности при контролируемых рисках в долгосрочной перспективе.
Касаемо фич и признаков: они поступают одновременно со всех остальных модулей внутрь генетической системы. В том числе и сигналы от других модулей (арбитражные, экономические, анализа новостей и позиций фондов, по чистому МО), Плюс, двухканально: при мере набора статистики и торговой истории также поступает торговая история счета через TradingHistory. В итоге получается уже по-настоящему многомерная и эволюционирующая система!
本記事では、古典的なテクニカル分析とニューラルネットワークを組み合わせたハイブリッド型取引システムの開発経験について解説します。システムのアーキテクチャを、基本的なパターン分析やニューラルネットワーク構造から、実際の売買判断に至るメカニズムまで詳細に分析し、実際のコードや実務的な知見も共有します。
本記事では、量子コンピューティングを用いて金融市場における価格変動を予測するための革新的なアプローチについて説明します。主な焦点は、量子位相推定(QPE: Quantum Phase Estimation)アルゴリズムを適用して価格パターンのプロトタイプを見つけることであり、これによりトレーダーは市場データの分析を大幅に高速化できるようになります。
本記事では、価格変動をバイナリコードに変換するという新しい視点からテクニカル分析にアプローチします。筆者は、シンプルな値動きから複雑な市場パターンに至るまで、あらゆる市場行動を「0」と「1」のシーケンスとして符号化できることを示します。
市場マイクロストラクチャの3次元可視化とテンソル分析に基づく、新しい市場トレンド分析のアプローチを検討します。
=== Общая статистика проекта ===
Всего файлов: 828
Всего строк: 203169
Строк кода: 149441
Общая цикломатическая сложность: 18208.00
Всего функций: 6404
Всего классов: 375
Оценочная стоимость при оплате Middle ML Engineer: 1,641,579,496.80 руб.
Как говорил Генри Форд, сэкономленное = заработанное....)
А это еще и все отлажено)
По другому рабочие решения не создать.
Эта модель никогда не будет продаваться. Только его пред-версии в виде ботов на MQL5. Сама же модель , аналогичная Мидасу, не имеет цены. Вчера общался с девушкой с 20-летним опытом на рынке. Она подтверждает мои наблюдения 9-летнего опыта: на рынке 99,99% трейдеров сливают. Есть всякие блогеры и инфоцыгане, кто ссут в уши, что они зарабатывают, на самом деле их цель - впарить курс.
К тому же, она не имеет аудитории. Богатые и сверхбогатые, кому реально можно его продать за 100-500 млн. долларов, предпочитают свои решения, без длительной истории перфоманса и чека портфолио они ничего покупать не будут. Но фишка в том, что если у меня будет перфоманс, мне уже не нужен будет никто: мне проще написать в венчур Сбера и открыть фонд самому.
А за копейки я продавать ничего не хочу и не буду. Пусть покупают сеточников за 100 баксов. Есть масс-маркет, а есть решения институционального уровня.
У меня сейчас идет распродажа, реально низкая цена, но это последняя такая цена. Акции подобного рода будут проводиться только на Новый Год. 10 января цена всех продуктов вырастет в 10 раз. Мне начихать, будут ли покупать или нет, если честно. Я и так нормально зарабатываю)
Pythonによるデータ分析とMQL5による取引執行を組み合わせたモジュール型の取引システムを開発します。このシステムは、4つの独立したモジュールによって市場の異なる側面(ボリューム、アービトラージ、経済、リスク)を並行して監視します。ランダムフォレストを400本の決定木で構成したモデルを用いて市場データを分析します。特に本システムでは、リスク管理に重点を置いています。どれほど高度なアルゴリズムであっても、適切なリスク管理がなければ意味がありません。
FXにおけるポートフォリオ取引はどのように機能するのでしょうか。マーコウィッツのポートフォリオ理論による資産配分最適化と、VaRモデルによるリスク最適化はどのように統合できるのでしょうか。ポートフォリオ理論に基づいたコードを作成し、一方では低リスクを確保し、もう一方では受け入れ可能な長期的収益性を得ることを試みます。