ホーム

Mikhail Vdovin / ニュースフィード

Mikhail Vdovin
Mikhail Vdovin
  • 情報
13+ 年
経験
0
製品
0
デモバージョン
0
ジョブ
0
シグナル
0
購読者
Образование - высшее экономическое
Программист, системный администратор. Работаю IT-директором на производственном предприятии.
Увлекаюсь торговыми роботами FORTS с 2010 года. Решил попробовать себя на форекс. Форекс - хобби с 2013 года.
Sergey Rozhnov
Sergey Rozhnov パブリッシュされたプロダクト
AI Pulse Gold

49.99 USD

インジケーターを内蔵したニューラルネットワークエキスパートアドバイザーです。H4時間足のXAUUSD（金）シンボルで学習させた多層ネットワークを使用して取引を行います。約5,500のサンプルと3.5年分の履歴データが使用されています。このアドバイザーは、H4時間足の6本のバーの方向と価格を予測します。仮想戦略全体にわたるロット配分に基づく最新の管理システムを採用しています。 基本説明： 合計 50種類の仮想戦略 が用いられます。各戦略は、中程度の係数を用いた平均化処理を行います。 ポジションは、バーの開始時にニューラルネットワークの信号に基づいて開設されます。信号がない場合は、ポジションは開設されません。信号が反転した場合は、ポジションは決済され、反対方向にポジションが開設されます。 仮想戦略のパラメータは、M15期間での運用に最適化された、数千ものランダムに生成されたパラメータの中から最良のものを使用します。 このシステムはボラティリティを監視し、実際のボラティリティに応じて仮想戦略のパラメータを変更します。 取引を行うには、

· 1
Sergey Rozhnov
Sergey Rozhnov
Testing of the EA over the past year (November 7, 2025 – November 7, 2026) on 100% all real ticks.
Starting at $5000 — now $27,334. That's 447% profit. Maximum drawdown is only 13%.

Neuro Future GOLD - https://www.mql5.com/en/market/product/190939
· 1
Sergey Rozhnov
Sergey Rozhnov
Testing of the EA over the past year (November 7, 2025 – November 7, 2026) on 100% all real ticks.
Starting at $5000 — now $27,334. That's 447% profit. Maximum drawdown is only 13%.

Neuro Future GOLD - https://www.mql5.com/en/market/product/190939
· 1
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (Окончание)
Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (Окончание)

Завершаем адаптацию фреймворка Habi для алгоритмической торговли с использованием MQL5 и OpenCL. Рассматриваем построение моделей, подготовку эталонных действий на истории и офлайн-обучение. Показываем, как критик учится оценивать денежные последствия торговых решений и как его оценки используются для обновления политики в режиме имитации онлайн-торговли. На примере EURUSD H1 за январь–апрель 2026 года разбираем проверку готовых моделей и ограничения полученных результатов.

2
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (формирование и оценка действий)
Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (формирование и оценка действий)

Продолжаем торговую адаптацию фреймворка Habi на MQL5 с использованием OpenCL. Разбираем реализацию выходных слоёв Decoder и Critic, передачу общих параметров латентного распределения вместе с пакетом торговых действий и подготовку обучающих сигналов по эталону, историческим результатам и TD-цели. Показываем, как объединяются прямой градиент критика и сигнал, прошедший через декодер и латентную выборку. Это позволяет подготовить компоненты к последующей сборке и обучению торговой модели.

1
Yevhenii Levchenko
Yevhenii Levchenko パブリッシュされたMetaTrader 5シグナル
Challenger
価格: 30USD, 成長: 168.47%
Buy low, sell high
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (вероятностное представление)
Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования (вероятностное представление)

Рассматриваем реализацию вероятностных компонентов Habi на MQL5 и OpenCL: обработку рыночных наблюдений, преобразование параметров нормального распределения и пакетное семплирование латентных векторов. На примере CNeuronHabiObservationOCL, CNeuronHabiGaussianOCL и CNeuronHabiVAEOCL разбираем архитектуру, инициализацию, прямой и обратный проходы. Показываем согласование Prior и Posterior через условную KL-дивергенцию и накопление градиентов от нескольких выборок. Полученные компоненты создают основу для последующей генерации торговых действий.

2
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования
Нейросети в трейдинге: Habi — быстрое принятие решений без сложного планирования

Адаптируем фреймворк Habi для алгоритмической торговли на финансовых рынках. Его основной принцип — перенос опыта сложного планирования в генеративную политику для быстрого принятия решений. Модель учитывает рыночные данные и состояние счёта, формирует варианты управления торговой позицией, а Critic оценивает их потенциальные результаты. Для обучения используются эталонные действия Oracul. Рассматриваем архитектуру торговой адаптации и реализацию OpenCL-кернелов пакетного семплирования и обратного распространения градиентов.

2
Sergey Rozhnov
Sergey Rozhnov
Clean forward backtest (from 08.07.2026 to 23.10.2026) without retraining or updates, on all real ticks. Default parameters + ManualCommission=7.

Neuro Future GOLD - https://www.mql5.com/en/market/product/190939
· 1
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Диффузионная генерация торговых планов (Окончание)
Нейросети в трейдинге: Диффузионная генерация торговых планов (Окончание)

Завершаем адаптацию DPCC к задачам финансовых рынков. На основе ранее разработанной торговой модели AC-SRM объединяем диффузионного Актёра, прогноз ценовых сценариев и двух распределительных Критиков. Рассматриваем подготовку рыночного представления, обучение на исторических планах и последующие TD-обновления торговой политики. Представляем результаты тестирования на EURUSD H1 за январь–май 2026 года. Несмотря на положительный финансовый результат, существенная просадка и ограниченный объём испытаний не позволяют делать выводы об устойчивости модели.

2
Ramil Minniakhmetov
Ramil Minniakhmetov
· 3
Dave
Dave 2026.10.25
Great EA, backtested it, and it showed good result. Am just worried of the spread as 80% of orders are in key areas such as support and resistance.... And the brokers are putting high spreads in these areas. I think the price is too expensive as well for it start!
Sergey Rozhnov
Sergey Rozhnov
Neuro Future GOLD - https://www.mql5.com/en/market/product/190939

Forward testing on all real ticks from 2026.07.08 (after the day of training the neural networks and strategies) to the present time, 2026.10.19. Profit 26.8%, drawdown 15.33%. Tested broker GMT +1+2. Default settings (LotScale=1) + ManualCommission=7.
· 1
Sergey Rozhnov
Sergey Rozhnov
Neuro Future GOLD - https://www.mql5.com/en/market/product/190939

Forward testing on all real ticks from 2026.07.08 (after the day of training the neural networks and strategies) to the present time, 2026.10.19. Profit 23%, drawdown 12.65%. Tested broker GMT +2+3. Default settings (LotScale=1, ManualCommission=15).
· 1
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Диффузионная генерация торговых планов (Планировщик)
Нейросети в трейдинге: Диффузионная генерация торговых планов (Планировщик)

Продолжаем торговую адаптацию DPCC на MQL5/OpenCL: рассматриваем кадровый денойзер CNeuronPlanDenoiserOCL и отдельно — действующий цикл планировщика CNeuronDPCCOCL. Показываем подготовку контекста, предсказание шума, обратную диффузию и возврат исправленных действий в генерацию. Разбираем режимы P0/P1/P2, проверку финансовых ограничений по ценовым сценариям и выбор первого действия по спектральной оценке денежных результатов G. Материал помогает проследить движение планов и условия допуска кандидатов к выбору.

2
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Диффузионная генерация торговых планов (Сценарный расчёт)
Нейросети в трейдинге: Диффузионная генерация торговых планов (Сценарный расчёт)

Продолжаем торговую адаптацию DPCC и объединяем ранее разработанные OpenCL-кернелы в два класса MQL5: CNeuronScenarioRolloutOCL для сценарного расчёта торговых планов и CNeuronPlanProjectionOCL для их коррекции с учётом ограничений. Разбираем организацию данных, взаимодействие классов, поиск поправок и повторную проверку финансовых последствий. Показываем, как использовать эти механизмы в собственных моделях и различать допустимый план, исчерпание бюджета поиска и ошибку вычислений.

1
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Диффузионная генерация торговых планов (Вычислительная основа)
Нейросети в трейдинге: Диффузионная генерация торговых планов (Вычислительная основа)

Продолжаем торговую адаптацию фреймворка DPCC и рассматриваем семь OpenCL-кернелов для коррекции торгового плана. На основе диагностики нарушений определяем порядок изменения действий, формируем варианты поправок и повторно проверяем их последствия на заданных ценовых сценариях. Разбираем сравнение предложений, выбор улучшения и контроль бюджета проверок. Итоговые статусы и диагностика позволяют отличить успешную коррекцию от завершения поиска с оставшимися нарушениями.

1
Dmitriy Gizlyk
Dmitriy Gizlyk
パブリッシュされた記事Нейросети в трейдинге: Диффузионная генерация торговых планов (DPCC)
Нейросети в трейдинге: Диффузионная генерация торговых планов (DPCC)

Рассматриваем адаптацию фреймворка DPCC для построения торговых планов с учётом ограничений счёта. Разбираются принципы диффузионной генерации траекторий, модельной проекции и проверки допустимости последовательности действий. Для финансовых рынков используется сценарное моделирование состояния счёта. Практическая часть посвящена OpenCL-кернелам DPCCRollout и DPCCRolloutReduce, которые рассчитывают последствия планов и определяют их допустимость по заданным ценовым сценариям.

1
MetaQuotes
MetaQuotes
追加されたトピックMetaTrader 5におけるAI：市場分析から取引戦略のテストまで
MetaTrader 5における人工知能（AI）は、市場について質問できるチャットボットにとどまりません。Model Context Protocol（MCP）に対応することで、AIエージェントは取引プラットフォームのデータや機能を直接利用できるようになります。 市場価格や取引履歴の分析 、保有ポジションの確認、チャート操作、エキスパートアドバイザー（EA）の テストや最適化 、さらにはブローカーへの注文発注まで行うことができます。 この動画では、MetaTrader
MetaQuotes
MetaQuotes
追加されたトピックMetaTrader 4新ビルド1490
2026年10月2日（金）に、MetaTrader 4のアップデートがリリースされます。今回の新バージョンには、重要なセキュリティ強化、バグ修正、およびプラットフォーム全体の安定性を向上させるための変更が含まれています。 FIFOモードで同一銘柄のポジションに設定されたストップロス（SL）およびテイクプロフィット（TP）レベルの管理を改善しました。