|
2 года
опыт работы
|
13
продуктов
|
38
демо-версий
|
|
1
работ
|
0
сигналов
|
0
подписчиков
|
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.
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!
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.
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.
В этой статье представлен инновационный подход к техническому анализу, основанный на преобразовании ценовых движений в бинарный код. Автор демонстрирует, как различные аспекты рыночного поведения — от простых движений цены до сложных паттернов — можно закодировать в последовательности нулей и единиц.
Рассмотрим новый подход к анализу рыночных трендов, основанный на трехмерной визуализации и тензорном анализе рыночной микроструктуры.
=== 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)
Разрабатываем модульную торговую систему, объединяющую Python для анализа данных с MQL5 для исполнения сделок. Четыре независимых модуля параллельно следят за разными аспектами рынка: объемами, арбитражем, экономикой и рисками, а для анализа используют RandomForest с 400 деревьями. Особый упор сделан на риск-менеджмент, ведь без грамотного управления рисками даже самые продвинутые торговые алгоритмы бесполезны.
Как осуществляется портфельная торговля на Форекс? Как могут быть синтезированы портфельная теория Марковица для оптимизации пропорций портфеля и VaR модель для оптимизации риска портфеля? Создаем код по портфельной теории, где, с одной стороны, получим низкий риск, а с другой — приемлемую долгосрочную доходность.
3D Bars Oscillator - Индикатор Рынка с Трехмерной Визуализацией Тренда Краткое Описание 3D Bars Oscillator - инновационный индикатор для MetaTrader 5, который предоставляет уникальный трехмерный взгляд на динамику рыночного тренда с использованием передовых алгоритмов Renko и сглаживания. Ключевые Особенности Технология визуализации : Трехмерное представление рыночного тренда Адаптивный алгоритм : Расчет тренда на основе блоков Renko Гибкая настройка : Полный контроль над параметрами индикатора
Открываем новый мир автоматической торговли на 3D-барах. Как выглядит торговый робот на многомерных барах цены, и могут ли "желтые" кластеры 3D-баров предсказывать развороты трендов? Как выглядит трейдинг в множестве измерений?
Мы рады анонсировать разработку принципиально новой торговой системы, которая изменит ваше представление о возможностях алгоритмической торговли на валютном рынке.
В чем уникальность? Впервые на рынке появится система, которая действительно работает как профессиональный трейдер. Она анализирует рынок на трех уровнях одновременно – от глобальных экономических трендов до микросекундных колебаний цен.
Представьте себе команду из лучших трейдеров, аналитиков и риск-менеджеров, работающих в идеальной синхронизации 24 часа в сутки. Именно так функционирует наша система. На стратегическом уровне она анализирует макроэкономические показатели и долгосрочные тренды, формируя глобальное видение рынка.
Тактический уровень – это настоящий прорыв в области машинного обучения. Система не просто ищет паттерны, она обнаруживает сложные ассоциативные взаимосвязи между инструментами, которые часто остаются незамеченными даже опытными трейдерами. Используя методы глубокого обучения и анализа больших данных, она находит скрытые возможности для прибыльной торговли.
На микроуровне система работает как высокочастотный HFT трейдер и маркет-мейкер, но с одним важным отличием – каждая операция должна соответствовать сигналам всех вышестоящих уровней. Это означает, что высокочастотная торговля ведется только в направлении глобальных трендов, что значительно повышает её эффективность.
Особое внимание мы уделили безопасности и контролю рисков. Удаленный риск-менеджер, размещенный на отдельном защищенном сервере, контролирует каждую операцию.
Никакая сделка не может быть совершена без его одобрения, и любая несанкционированная активность немедленно блокируется. Одобрение возможно только с мульти-подписью, когда к согласию изменить настройки приходит команда риск-менеджеров и аналитиков (RSA multisig).
Система использует последние достижения в области портфельной теории и VaR для оптимизации размеров позиций. Это позволяет максимизировать доходность при строго контролируемом уровне риска. Каждая сделка совершается с оптимальным объемом, рассчитанным с учетом всех рыночных факторов.
Мы создаем не просто торговый алгоритм, а полноценную экосистему для профессиональной торговли на валютном рынке. Система постоянно учится и адаптируется к изменяющимся рыночным условиям, используя передовые методы машинного обучения и статистического анализа.
Сейчас мы находимся на финальной стадии разработки и планируем запуск системы в течение ближайших месяцев.
Первые тесты показывают исключительные результаты, значительно превосходящие традиционные торговые подходы.
Готовы присоединиться к будущему алгоритмической торговли? Следите за нашими обновлениями – скоро мы поделимся более подробной информацией о возможностях системы и условиях сотрудничества.
Что такое многомерные 3D-графики цен и как они создаются. Как 3D-бары предсказывают развороты цены, и как Python и MetaTrader 5 позволяют строить эти объемные бары в режиме реального времени.
Нелинейные регрессионные модели на бирже: реально ли прогнозировать финансовые рынки? Попробуем создать моделеь для прогноза цен на евро-доллар, и сделать на ее основе двух роботов - на Python и MQL5.
Как применить предиктивные правила ретейл-аналитики супермаркетов к реальному рынку Форекс? Как связаны покупки печенья, молока и хлеба с транзакциями на бирже? В статье рассматривается инновационный подход к алгоритмическому трейдингу, основанный на применении ассоциативных правил.
Статья исследует возможность улучшения прогнозирования цен на основе анализа объема торгов, интегрируя принципы технического анализа с архитектурой LSTM нейронных сетей. Особое внимание уделяется выявлению и интерпретации аномальных объемов, использованию кластеризации и созданию признаков на основе объемов и их определения в контексте машинного обучения.