Yevgeniy Koshtenko
Yevgeniy Koshtenko
  • Информация
2 года
опыт работы
13
продуктов
37
демо-версий
1
работ
0
сигналов
0
подписчиков
Квалифицированный инвестор Казахстана и РФ.

В трейдинге с 2016 года, в алготрейдинге — с 2019, в машинном обучении и программировании — с 2021.

Создаю советников, торговых роботов, индикаторы, смарт-контракты, коды токенов и криптомонет, системы автоматизации бизнеса и ИИ-модели под ключ.

Работаю над институциональной торговой системой для собственного хэдж-фонда и над собственным ИИ-блокчейном.

Автор 100+ международных статей на разных языках мира.
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Мой робот-маркетмейкер, торгует у тещи.
Yevgeniy Koshtenko
Опубликовал статью Удаленный профессиональный риск-менеджер Forex на Python
Удаленный профессиональный риск-менеджер Forex на Python

Делаем удаленный профессиональный риск-менеджер Для Forex на Python, разворачиваем его на сервере по шагам. В процессе статьи поймем, как программно управлять рисками на Форекс, и как больше не слить депозит на Форекс.

Yevgeniy Koshtenko
Опубликовал статью Индикатор оценки силы и слабости валютных пар на чистом MQL5
Индикатор оценки силы и слабости валютных пар на чистом MQL5

Создаем профессиональный индикатор для анализа силы валют на MQL5. Пошаговое руководство научит вас разрабатывать мощный торговый инструмент с визуальной панелью для MetaTrader 5. Вы узнаете, как рассчитывать силу валютных пар по нескольким таймфреймам (H1, H4, D1), реализовывать динамическое обновление данных и создавать удобный пользовательский интерфейс.

Yevgeniy Koshtenko
Опубликовал статью Управление капиталом в трейдинге и программа домашней бухгалтерии трейдера с базой данных
Управление капиталом в трейдинге и программа домашней бухгалтерии трейдера с базой данных

Как трейдеру управлять капиталом? Как трейдеру и инвестору вести учет расходов, доходов, активов и пассивов? Я представлю вам не просто программу для учета, я покажу вам инструмент, который может стать вашим надежным финансовым навигатором в бурном море трейдинга.

Yevgeniy Koshtenko
Опубликовал статью Анализ всех вариантов движения цены на квантовом компьютере IBM
Анализ всех вариантов движения цены на квантовом компьютере IBM

Используем квантовый компьютер от IBM для открытия всех вариантов движения цены. Звучит как научная фантастика? Добро пожаловать в мир квантовых вычислений для трейдинга!

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Пока что наш портфель обгоняет чуть ли не все фонды мира.

Огонь. Нраицца. Портфель собрала нейросеть. Есть ещё портфель на Мосбирже, ещё не смотрел результаты, и два глобальных портфеля - инновационный с результатом +154% без плеча, и вечный, из ETF.

Все это без плеча. Шарп под четверочку)
Aleksandr Seredin
Aleksandr Seredin 2025.02.24
Огонь! Отличный результат, так держать!
Yevgeniy Koshtenko
Yevgeniy Koshtenko
Пилю уникальное решение. Суть: я создаю единый сервер коллективного биржевого дохода. Сервер удаленный, постоянно включенный, где постоянно работает Python риск-менеджер.

Риск-менеджер удаленно подключается ко всем советникам (роботам), которые с ним связаны, хоть сколько, связаны через сокеты.

А советники (роботы) - будете использовать вы, бесплатно, за процент от прибыли. У нас будет чат, у нас будет команда. Риск контролируется всей командой и сервером (система коллективной ответственности).

Робот сам, рабоотает вот так примерно - это полуавтомат на моем исследовании 3D баров.

Есть тройной риск-менеджмент, как с вашей стороны (закрытие позиций вручную), так и со стороны самого советника (он закрывает как РМ определенный процент просадки), так и со стороны сервера (он удаленно видит ваш советник, и рубит риски).

Если откатаем систему, и все будем получать доход - начнем брать проп-счета, и слить вы их не сможете по причинам удаленного риск-менеджмента.

Как вам идея?
Михалыч Трейдинг
Михалыч Трейдинг 2025.02.22
Идея отличная! Если контроль рисков сервера настраиваемый.
Yevgeniy Koshtenko
Опубликовал статью Фибоначчи на Форекс (Часть I): Проверяем отношения цены и времени
Фибоначчи на Форекс (Часть I): Проверяем отношения цены и времени

Как рынок ходит по отношениям, основанным на числах Фибоначчи? Эта последовательность, где каждое следующее число равно сумме двух предыдущих (1, 1, 2, 3, 5, 8, 13, 21...), не только описывает рост популяции кроликов. Рассмотрим гипотезу Пифагора о том, что все в мире подчиняется определенным соотношениям чисел...

Yevgeniy Koshtenko
Опубликовал код Расширенный калькулятор сложного процента для трейдера
Калькулятор сложного процента для трейдера. Считает на основе ваших параметров ваш риск разорения, и оптимальный риск на сделку. Дает прогноз размера вашего капитала через год, месяц, и в конце срока.
Yevgeniy Koshtenko
Опубликовал статью Анализируем двоичный код цен на бирже (Часть II): Преобразуем в BIP39 и пишем GPT модель
Анализируем двоичный код цен на бирже (Часть II): Преобразуем в BIP39 и пишем GPT модель

Продолжаем попытки дешифровать движения цен... Как насчет лингвистического анализа "словаря рынка", который мы получим, преобразовав бинарный код цены в BIP39? В этой статье мы углубимся в инновационный подход к анализу биржевых данных и рассмотрим, как современные методы обработки естественного языка могут быть применены к языку рынка.

Aleksandr Seredin
Aleksandr Seredin 2025.02.13
Очень интересная идея. Спасибо большое автору за этот уникальный материал!
Yevgeniy Koshtenko
Опубликовал статью Биологический нейрон для прогнозирования финансовых временных рядов
Биологический нейрон для прогнозирования финансовых временных рядов

Выстраиваем биологически верную систему нейронов для прогнозирования временных рядов. Внедрение плазмоподобной среды в архитектуру нейронной сети создало своеобразный "коллективный разум", где каждый нейрон влияет на работу системы не только через прямые связи, но и посредством дальнодействующих электромагнитных взаимодействий. Как покажет себя нейронная система моделирования мозга на рынке?

Yevgeniy Koshtenko
Опубликовал статью Индикатор прогноза волатильности при помощи Python
Индикатор прогноза волатильности при помощи Python

Прогнозируем будущую экстремальную волатильность при помощи бинарной классификации. Создаем индикатор прогноза экстремальной волатильности с использованием машинного обучения.

Yevgeniy Koshtenko
Опубликовал статью Эволюционный торговый алгоритм обучения с подкреплением и вымиранием убыточных особей (ETARE)
Эволюционный торговый алгоритм обучения с подкреплением и вымиранием убыточных особей (ETARE)

Представляем инновационный торговый алгоритм, сочетающий эволюционные алгоритмы с глубоким обучением с подкреплением для торговли на Форекс. Алгоритм использует механизм вымирания неэффективных особей, для оптимизации торговой стратегии.

Yevgeniy Koshtenko
Опубликовал статью Методы дискретизации ценовых движений на Python
Методы дискретизации ценовых движений на Python

Мы рассмотрим методы дискретизации цен на Python + MQL5. В этой статье я поделюсь практическим опытом разработки библиотеки на Python, которая реализует целый спектр подходов к формированию баров — от классических Volume и Range bars до более экзотических методов вроде Renko и Kagi.ары, свечи трехлинейного прорыва, рэйндж бары — какова их статистика, как еще можно представить цены дискретно?

Yevgeniy Koshtenko Выставил продукт

AI Moving Average Trend Краткое описание Инновационный индикатор тренда, использующий нейронную сеть для адаптивного определения движения цены, идеально подходящий для среднесрочных и долгосрочных трейдеров, работающих на различных таймфреймах. Полное описание Принцип работы Индикатор использует однослойную нейронную сеть для анализа ценовых движений и построения адаптивной трендовой линии. Алгоритм комбинирует классическое скользящее среднее с машинным обучением для точного определения тренда

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Новый модуль в Мидасе!!!👻👻👻🤖🤖🤖Скоро выйдет в виде статьи!

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!
Yevgeniy Koshtenko
Опубликовал статью Нейросимвольные системы в алготрейдинге: Объединение символьных правил и нейронных сетей
Нейросимвольные системы в алготрейдинге: Объединение символьных правил и нейронных сетей

Статья рассказывает об опыте разработки гибридной торговой системы, объединяющей классический технический анализ с нейронными сетями. Автор подробно разбирает архитектуру системы — от базового анализа паттернов и структуры нейросети до механизмов принятия торговых решений, делясь реальным кодом и практическими наблюдениями.

Yevgeniy Koshtenko
Опубликовал статью Квантовые вычисления и трейдинг: Новый взгляд на прогнозы цен
Квантовые вычисления и трейдинг: Новый взгляд на прогнозы цен

В статье рассматривается инновационный подход к прогнозированию движения цен на финансовых рынках с использованием квантовых вычислений. Основное внимание уделяется применению алгоритма квантовой оценки фазы (QPE) для поиска продобразов ценовых паттернов, что позволяет значительно ускорить процесс анализа рыночных данных.

Yevgeniy Koshtenko
Yevgeniy Koshtenko
Текущий тестовый портфель AFIF. Система отбора акций по анализу фундаментала с помощью CatBoost, также - подбора весов при помощи PyTorch. Теущая доходность в годовом выражении - 68%.