|
2 년도
경험
|
7
제품
|
67
데몬 버전
|
|
0
작업
|
0
거래 신호
|
0
구독자
|
Greetings to the world of professional algorithmic trading!
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.
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.
Yevgeniy Koshtenko
게재된 기고글 Быстрая интеграция большой языковой модели и MetaTrader 5 (Часть II): Файнтьюн на реальных данных, бэктест и онлайн-торговля модели 
Статья описывает процесс файнтьюна языковой модели для трейдинга на основе реальных исторических данных из MetaTrader 5. Базовая модель, знающая лишь теоретический технический анализ, обучается на тысяче примеров реального поведения валютных пар (EURUSD, GBPUSD, USDCHF, USDCAD) за 180 дней. После обучения через Ollama модель начинает понимать специфику каждого инструмента.
4
Yevgeniy Koshtenko
Новая версия Мидаса пошла на мини-счете. Профит-фактор очень радует с первых дней. Прибыль +17% с учетом ребейтов.
· 3
Yevgeniy Koshtenko
На следующей неделе выйдет первая в мире статья про мультиаккаунтный арбитраж - на разных счетах у одного брокера в разных валютах - и разных счетах разных брокеров. Грубо говоря - между счетами номинированными к примеру, в UPY, EUR и USD - и котировками внутри них - есть арбитражные возможности.
Создаем свой собственный агрегатор ликвидности, и рубим с него деньгу)
Мало кто использует этот инструмент, хотя хэдж-фондам на MQL5 он доступен по дефолту.
Прибыль надежна, как в банке. Потерять невозможно. Но можно потерять весь счет сразу, если брокер заблокирует вас, а заблокирует уж как пить дать, все брокеры безжалостно банят арбитражников, а российские брокеры вроде не дают открывать счета в золоте, юанях, фунтах или долларах наряду с рублями) Так что это скорее из области теоретических изысканий....
Создаем свой собственный агрегатор ликвидности, и рубим с него деньгу)
Мало кто использует этот инструмент, хотя хэдж-фондам на MQL5 он доступен по дефолту.
Прибыль надежна, как в банке. Потерять невозможно. Но можно потерять весь счет сразу, если брокер заблокирует вас, а заблокирует уж как пить дать, все брокеры безжалостно банят арбитражников, а российские брокеры вроде не дают открывать счета в золоте, юанях, фунтах или долларах наряду с рублями) Так что это скорее из области теоретических изысканий....
· 8
Yevgeniy Koshtenko
По ИИ боту - пока так. Ребейты капают каждое утро ровно в 8:00. В среднем ребейт ежедневный - в районе 1,5, максимальный был 11% за сутки. Я не устану топить за ребейт-систему: это многие недооценивают. Если модель торгует хороший объем, она точно будет в профитах. Многие считают, что рынок нужно бить вчистую. Да все это ерунда. Нужно быть в прибыли любой ценой: ребейты, бонусы, своп-арбитраж, даже арбитраж на разных торговых счетах в разных валютах, нужно использовать любые меры и средства, чтобы счет шел в плюс.
· 5
Yevgeniy Koshtenko
게재된 기고글 Индикатор тепловой карты рынка на основе плотности простых чисел 
Инновационный индикатор на основе теории простых чисел помогает находить сильные уровни разворота, которые не видят другие трейдеры. Тестирование на 10 активах показало: развороты в математически значимых зонах происходят в 1.5-1.8 раза чаще. Пять практических сценариев применения с конкретными правилами для фильтрации ложных пробоев и точного входа в рынок.
2
Yevgeniy Koshtenko
게재된 기고글 Единый мультитаймфреймовый Ренко: Синтез временных измерений рынка 
Статья представляет инновационную концепцию мультитаймфреймового Ренко-графика, который объединяет сигналы с четырёх временных масштабов (M5, M15, H1, H4) в единый синтетический инструмент. Система создаёт виртуальный символ в MetaTrader 5, используя EMA каждого таймфрейма для формирования композитного сигнала через три метода: простое среднее, взвешенное среднее и консенсус. Реализация включает адаптивный размер кирпича на основе ATR, работу в реальном времени и полную интеграцию с MetaTrader 5.
3
Yevgeniy Koshtenko
Новая версия экосистемы ИИ трейдинга: Midas (2 лучших модуля) + Sinergy (взята основа) + Квантум (взята квантовая схема QVC) + квантовый компьютер IBM (29 кубит РЕАЛЬНЫХ) - и это все на ходу управляется ИИ агентом с огромным числом нейронов и огромным интеллектом.
· 6
Yevgeniy Koshtenko
По ИИ трейдеру: удалось в симуляциях добиться результата в 1000% в месяц. Минус лишь один: система пытается протянуть прибыльные позиции, получив сверхприбыль,ну и понятно, что на пару удачных сделок по +200-300% уходят десятки попыток с небольшим убытком.
· 5
Yevgeniy Koshtenko
게재된 기고글 Быстрая интеграция большой языковой модели и MetaTrader 5 (Часть I): Создаем модель 
Статья исследует революционную интеграцию больших языковых моделей (LLM) с торговой платформой MetaTrader 5, где AI не просто прогнозирует цены, а принимает автономные торговые решения, анализируя контекст рынка подобно опытному трейдеру. Автор раскрывает фундаментальное отличие LLM от классических моделей машинного обучения вроде CatBoost — способность к метапознанию и саморефлексии, что позволяет системе учиться на собственных ошибках и улучшать стратегию.
5
Yevgeniy Koshtenko
Грок высоко оценил новый код) LLM + долгосрочная общая память моделей, разворачиваемая на сервере + система квантово-криптографического сжатия похожих ситуаций, я ее обнаружил случайным образом в ходе улучшения архиватора + система эволюции и казуального обучения, причинно-следственный вывод на каждой итерации, рефлексия модели с самоанализом...Короче, притащил в эту модель лучшее, что знал из МО, ну и скоро поставлю на живую торговлю)
· 6
Yevgeniy Koshtenko
Поставил TradeGPT на бэктест. Размер контекста в 128 к символов позволяет постоянно дообучать модель в процессе. То есть, я гружу туда как текущие сделки, так и результаты прошлых сделок, так и исторические сэмплы чтобы оно проверило аналогии и обобщило данные.
Еще ищу советские учебники логики 40-х и 50-х, или хотя-бы конспекты по ним - чтобы засунуть их в модель также.
Дообучение до идеала займет гору времени, если учесть что один бэктест за два месяца с дообучением на случайных сэмплах идет около суток.
Главная задача на неделю выполнена: я полностью избавился от зависимости от CladeAI и ChatGPT, не нужно платить за токены, модель своя - собственная. К тому же, она при рождении получила данные по ценам и признакам за 20 лет. Это тоже плюс.
Вчера еще была одна версия с глубоким рефлексированием, но она до такой степени задумалась, что думала все время пока я спал, а к решению так и не пришла. Глубокие рассуждения могут погружать модель в бесконечные циклы и цепочки мыслей, которые порой становятся бредом.
Еще ищу советские учебники логики 40-х и 50-х, или хотя-бы конспекты по ним - чтобы засунуть их в модель также.
Дообучение до идеала займет гору времени, если учесть что один бэктест за два месяца с дообучением на случайных сэмплах идет около суток.
Главная задача на неделю выполнена: я полностью избавился от зависимости от CladeAI и ChatGPT, не нужно платить за токены, модель своя - собственная. К тому же, она при рождении получила данные по ценам и признакам за 20 лет. Это тоже плюс.
Вчера еще была одна версия с глубоким рефлексированием, но она до такой степени задумалась, что думала все время пока я спал, а к решению так и не пришла. Глубокие рассуждения могут погружать модель в бесконечные циклы и цепочки мыслей, которые порой становятся бредом.
· 3
Yevgeniy Koshtenko
Ну вот я и создал свой собственный ChatTradeGPT)))
1 миллиард нейронов, пока что. Буду увеличивать число нейронов.
Обучен на данных 28 валютных пар. Его основная задача - прогноз цены на 24 часа.
Оно разговаривает уже))))Туповат. Путает русские и английские слова))))В него еще требуется загрузить литературу, а не только котировки и метки))))
1 миллиард нейронов, пока что. Буду увеличивать число нейронов.
Обучен на данных 28 валютных пар. Его основная задача - прогноз цены на 24 часа.
Оно разговаривает уже))))Туповат. Путает русские и английские слова))))В него еще требуется загрузить литературу, а не только котировки и метки))))
· 5
Yevgeniy Koshtenko
Делаю датасет для обучения большой LLM - ИИ трейдера. Сделал модель 9 млрд. нейронов. Делаю датасеты. На маленьких моделях в 1 млрд нейронов и год - два данных + пару мануалов по тому что должна делать модель - все неплохо. Но как будет на большой размерности? Не зависнет ли намертво?
Также нужно скачать по идее, все статьи где хоть как-то описывается работа с индикаторами - признаками. Туповато конечно, учитывая что модель должна сама обучиться на принципах которые в ней заложены при создании, и целевых метках плюс датасете. Вообще, пока архитектура очень простая и легкая.
Также нужно скачать по идее, все статьи где хоть как-то описывается работа с индикаторами - признаками. Туповато конечно, учитывая что модель должна сама обучиться на принципах которые в ней заложены при создании, и целевых метках плюс датасете. Вообще, пока архитектура очень простая и легкая.
· 3
Yevgeniy Koshtenko
По поводу онлайн-торговли через Claude 4 и ChatGPT4 и в целом через LLM:
Бэктесты на 50-60% плохие. Есть крайне удачные комбинации промптов, но проблема не в этом.
Проблема в том, что всего за день у меня улетело с карты 15 к на оплату токенов. Оно кажется что по копейке снимают: но с карты снимается понемногу, через серверспейс, а потом считаешь и офигеваешь.
Поэтому готовлю свое кастом-решение: я загружу болванку самой легкой LLM 4 версии на 7 млрд. параметров, и обучу ее на всех статьях MQL5 и всех статьях, какие я найду по трейдингу. Также сгенерирую в Claude и ChatGPT кучу гайдов для системы. Что получится на выходе, я не знаю. Возможно за счет узкой специализации это будет круче чем общая LLM Claude ,но с другой стороны, у большой крутой LLM и способности к обобщению будут покруче...Прямо сейчас начал писать про весь процесс статью.
Бэктесты на 50-60% плохие. Есть крайне удачные комбинации промптов, но проблема не в этом.
Проблема в том, что всего за день у меня улетело с карты 15 к на оплату токенов. Оно кажется что по копейке снимают: но с карты снимается понемногу, через серверспейс, а потом считаешь и офигеваешь.
Поэтому готовлю свое кастом-решение: я загружу болванку самой легкой LLM 4 версии на 7 млрд. параметров, и обучу ее на всех статьях MQL5 и всех статьях, какие я найду по трейдингу. Также сгенерирую в Claude и ChatGPT кучу гайдов для системы. Что получится на выходе, я не знаю. Возможно за счет узкой специализации это будет круче чем общая LLM Claude ,но с другой стороны, у большой крутой LLM и способности к обобщению будут покруче...Прямо сейчас начал писать про весь процесс статью.
· 1
Yevgeniy Koshtenko
Первая живая торговля за долгое время. Тут далеко не все прибыль - еще ребейты (раньше недооценивал их мощь но они позволяют играть в игру с положительной суммой, кстати могу настроить вам прямой ребейт на счет сразу ежедевно). Ну и пополняю немного...В понедельник попробую поставить гибрид Квантума + ИИ агента - трейдера.
К сожалению я неизбежно начинаю новые проекты, новые коды, пробовать разных роботов....Сложно набрать единый мониторинг((((.
К сожалению я неизбежно начинаю новые проекты, новые коды, пробовать разных роботов....Сложно набрать единый мониторинг((((.
· 2
Yevgeniy Koshtenko
게재된 기고글 Команда ИИ-агентов с ротацией по прибыли: Эволюция живой торговой системы в MQL5 
Управление финансами как экосистема: семь ИИ-трейдеров с разными характерами и стратегиями вместо одного алгоритма. Они конкурируют за капитал, учатся на ошибках и принимают решения коллективно. Статья раскрывает принципы работы системы Modern RL Trader, где код обладает сознанием и эмоциями, создавая живой, эволюционирующий торговый разум.
3
Yevgeniy Koshtenko
Языковые модели ИИ торгуют просто ПИПЕЦ КАК потрясающе. Я отправляю им команды через простого Python-бота, заставляю анализировать все исторические данные и прошлые сделки, и требую, чтобы торговля была в плюс.
Результаты — лучше, чем у легендарного бота Мидаса.
Возможностей для улучшения море: от запуска модели на своём сервере (без оплаты за токены и без лимитов на длину запроса) до тонкой настройки промптов.
Машина сама принимает решения: анализирует, открывает позиции, решает — держать, закрывать или переворачиваться. Всё автономно.
Это на голову выше классических моделей вроде CatBoost или XGBoost. Почему? Потому что у них мышление узкое. CatBoost отлично прогнозирует — строит миллионы связей внутри данных, но только по одной задаче. Это как специалист, который знает всё про одну деталь, но не видит общей картины.
Языковые модели выросли из тех же прогнозирующих систем (изначально они просто угадывали следующее слово в предложении), но теперь у них ширина мышления.
В модели вроде Claude — условно два триллиона параметров. Это как два триллиона нейронов, которые связывают между собой экономику, новости, поведение рынка, психологию трейдеров — всё вместе.
Я сам пока умею обучать модели максимум на 20–40 миллионов параметров. А тут — в тысячи раз больше. И эта разница в масштабе даёт не просто точность, а способность рассуждать, как человек: «А что, если?..», «А вдруг новость ложная?», «А не пора ли зафиксировать прибыль?».
Размышляю дальше: это уже не просто предсказание цены, а симуляция целой торговой стратегии в голове модели. Она может сама себя критиковать: «В прошлый раз я ошибся на всплеске волатильности — в следующий раз учту задержку данных».
Добавляю в промпт цикл саморефлексии — и модель начинает улучшать свои же решения.
Но есть и тревога. Это уже не инструмент — это агент. Он учится на своих ошибках, адаптируется, действует в реальном времени. А если таких агентов станет миллион? Что будет с рынком?
Результаты — лучше, чем у легендарного бота Мидаса.
Возможностей для улучшения море: от запуска модели на своём сервере (без оплаты за токены и без лимитов на длину запроса) до тонкой настройки промптов.
Машина сама принимает решения: анализирует, открывает позиции, решает — держать, закрывать или переворачиваться. Всё автономно.
Это на голову выше классических моделей вроде CatBoost или XGBoost. Почему? Потому что у них мышление узкое. CatBoost отлично прогнозирует — строит миллионы связей внутри данных, но только по одной задаче. Это как специалист, который знает всё про одну деталь, но не видит общей картины.
Языковые модели выросли из тех же прогнозирующих систем (изначально они просто угадывали следующее слово в предложении), но теперь у них ширина мышления.
В модели вроде Claude — условно два триллиона параметров. Это как два триллиона нейронов, которые связывают между собой экономику, новости, поведение рынка, психологию трейдеров — всё вместе.
Я сам пока умею обучать модели максимум на 20–40 миллионов параметров. А тут — в тысячи раз больше. И эта разница в масштабе даёт не просто точность, а способность рассуждать, как человек: «А что, если?..», «А вдруг новость ложная?», «А не пора ли зафиксировать прибыль?».
Размышляю дальше: это уже не просто предсказание цены, а симуляция целой торговой стратегии в голове модели. Она может сама себя критиковать: «В прошлый раз я ошибся на всплеске волатильности — в следующий раз учту задержку данных».
Добавляю в промпт цикл саморефлексии — и модель начинает улучшать свои же решения.
Но есть и тревога. Это уже не инструмент — это агент. Он учится на своих ошибках, адаптируется, действует в реальном времени. А если таких агентов станет миллион? Что будет с рынком?
· 2
Thibauld Charles Ghislain Robin
2025.11.06
Очень интересная тема, с нетерпением жду твоей следующей статьи на эту тему.
Я создал веб-запрос для отправки промптов и открытия позиций через MT5, однако результаты были довольно случайными, примерно как здесь: https://nof1.ai/
Рад видеть, что у некоторых это получается!
Я создал веб-запрос для отправки промптов и открытия позиций через MT5, однако результаты были довольно случайными, примерно как здесь: https://nof1.ai/
Рад видеть, что у некоторых это получается!
Yuriy Bykov
2025.11.07
Что будет с рынком, если таких агентов станет миллион? Возможно, примерно то же самое, что с ним стало, когда на него уже пришли много агентов в кожаной оболочке с пока ещё значительно большим количеством обучаемых параметров: малая часть будет зарабатывать, а большая часть - терять.
Yevgeniy Koshtenko
Всю неделю обучаю модели. Так родился еще один проект: Соединение Python + MetaTrader 5 + OpenAi + ClaudeAi. То есть: робот на Пайтон закачивает котировки из МТ5, далее формирует фичи, ну и отгружает их в чаты с ИИ с подробнейшими промптами и даже с описанием предыдущих сделок для некоего мини-RL. Получает от ИИ чатов рекомендации, а затем исполняет торговлю. Получается что один ИИ общается с другими ИИ чтобы торговать:)))
Интересна была сама гипотеза, сможет ли языковая модель торговать самостоятельно без огромных данных.
Сможет! Система вышла в прибыль по итогам 15 дней теста.
15 дней сделок стоят по токенам плюс-минус 150 тенге (30 рублей). То есть месяц торгов вам будет обходиться в 60 рублей + около 2500 рублей за сервер.
У меня также есть код именно собственной большой языковой модели для трейдинга, для трейдеров и инвесторов - но этот проект на дальней полке, потому что я быстрее помру чем дождусь пока она обучится (обучение на моем железе на 1 Тб данных займет вообще нереальное время, языковые модели крайне требовательны к этому).
Неплохой ИИ пет-проект, скоро выйдет в свет в виде статьи с открытым кодом)
Интересна была сама гипотеза, сможет ли языковая модель торговать самостоятельно без огромных данных.
Сможет! Система вышла в прибыль по итогам 15 дней теста.
15 дней сделок стоят по токенам плюс-минус 150 тенге (30 рублей). То есть месяц торгов вам будет обходиться в 60 рублей + около 2500 рублей за сервер.
У меня также есть код именно собственной большой языковой модели для трейдинга, для трейдеров и инвесторов - но этот проект на дальней полке, потому что я быстрее помру чем дождусь пока она обучится (обучение на моем железе на 1 Тб данных займет вообще нереальное время, языковые модели крайне требовательны к этому).
Неплохой ИИ пет-проект, скоро выйдет в свет в виде статьи с открытым кодом)
· 3