|
2 anos
experiência
|
7
produtos
|
67
versão demo
|
|
1
trabalhos
|
0
sinais
|
0
assinantes
|
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.
Просадка по эквити -2,9% на максималках.
Прибыль +11, 5% за неделю.
Написал отдельную библиотеку включаемую, для управления всей торговлей на RL, обучении с подкреплением. Плюс, добавил модель U Transformer также включаемым файлом. И обмен информацией между агентами и моделями.
Два RL - агента, один риск менеджер, второй - трейдер. Ещё хочу добавить третьего - аналитика. Стало ещё круче!
Шарп падает сразу с 12-15 до 5-6. Явно хуже. С проверкой на новый тик, ненулевой тик - работает лучше, потому что в 25% случаев по прибыли эксперт закрывается сразу же.
Guia detalhado para criar um indicador de mapa de calor para MetaTrader 5 que visualiza a distribuição temporal do preço na forma de um mapa de calor. O artigo revela a base matemática da análise da densidade temporal, na qual cada nível de preço é colorido do vermelho (tempo mínimo de permanência) ao azul (tempo máximo de permanência).
O artigo explica como desenvolver uma ferramenta para análise de padrões recorrentes de preços nos mercados financeiros, por dias do mês (1-31), dias da semana (segunda-feira-domingo) ou horas do dia (0-23). O indicador analisa dados históricos, calcula a rentabilidade média para cada período e exibe os resultados na forma de um histograma com previsão. Inclui parâmetros configuráveis: tipo de sazonalidade, quantidade de barras analisadas, exibição em porcentagens ou valores absolutos, cores dos gráficos.
A análise de lacunas temporais, ou time gaps, ajuda o trader a identificar potenciais pontos de reversão do mercado. O artigo examina o que é um time gap, como interpretá-lo e de que maneira ele pode ser utilizado para detectar a entrada de grande volume no mercado.
Criação, em Python, de um sistema de análise de taxas de câmbio baseado na paridade do poder de compra (PPC). O autor desenvolveu um algoritmo com 5 métodos de cálculo de taxas justas, utilizando dados do FMI. Trata-se de um guia prático de análise fundamentalista de moedas, processamento de dados econômicos e integração com sistemas de trading. Código completo de fonte aberta.
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.
Carregamento de dados do Fundo Monetário Internacional em Python: extraindo dados do FMI para aplicação em estratégias cambiais macroeconômicas. Como a macroeconomia pode ajudar o trader e o algotrader?
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.
Vamos tentar minerar dados da CFTC, carregar os relatórios COT e TFF via Python, conectar isso às cotações do MetaTrader 5 e a um modelo de IA e obter previsões. O que são os relatórios COT no mercado Forex? Como usar os relatórios COT e TFF para previsão?
A mineração de dados dos balanços dos bancos centrais permite obter um panorama da liquidez global do mercado Forex e das principais moedas. Nós unificamos dados do Fed, do BCE, do BOJ e do PBoC em um índice composto e aplicamos aprendizado de máquina para identificar padrões ocultos. Essa abordagem transforma um fluxo bruto de dados em sinais reais de trading, conectando a análise fundamentalista e a análise técnica.
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!
Adaptação do modelo clássico CAPM para o mercado cambial Forex em MQL5. O indicador calcula a rentabilidade esperada e o prêmio de risco com base na volatilidade histórica. Os indicadores aumentam nos picos e nas depressões, refletindo os princípios fundamentais de precificação. Aplicação prática para estratégias contra a tendência e de seguimento de tendência, levando em conta a dinâmica da relação entre risco e rentabilidade em tempo real. Inclui o aparato matemático e a implementação técnica.
Neste artigo, criamos um indicador de previsão ARIMA em MQL5. É analisado como o modelo ARIMA forma previsões, sua aplicabilidade ao mercado Forex e ao mercado de ações em geral. Também é explicado o que é a autorregressão AR, de que forma os modelos autorregressivos são usados para previsão e como funciona o mecanismo de autorregressão.
