|
2 года
опыт работы
|
14
продуктов
|
37
демо-версий
|
|
1
работ
|
0
сигналов
|
0
подписчиков
|
Профессиональный и квалифицированный инвестор и трейдер, работающий на рынках Казахстана и Российской Федерации.
На финансовых рынках с 2016 года, в алгоритмическом трейдинге — с 2019 года, в машинном обучении и программировании — с 2021 года.
Разрабатываю торговых советников, алгоритмические торговые системы, технические индикаторы, смарт-контракты, инфраструктуру токенов и криптовалют, системы автоматизации бизнеса и ИИ-модели под ключ.
В настоящее время разрабатываю институциональную торговую экосистему для собственного хедж-фонда, а также собственную блокчейн-инфраструктуру на базе искусственного интеллекта.
Проект уже включает многомодульную Python-инфраструктуру для торговли через Interactive Brokers, отдельную торговую систему для RoboForex и готового институционального торгового советника с жёстко заданными параметрами риск-менеджмента: максимальная дневная просадка — 2%, максимальная недельная просадка — 5%.
Основной приоритет системы — долгосрочная стабильность, дисциплинированное управление капиталом, контроль рисков и достижение устойчивой доходности институционального уровня.
https://www.mql5.com/ru/market/product/193554
Трейдеры RoboForex также могут подключить возврат 95% комиссии и спреда, открыв новый торговый счёт с моим реферальным кодом — jsdnu.
Через мой ребейт-сервис SINERGY 95% соответствующих торговых комиссий и расходов на спред в RoboForex возвращаются каждый торговый день в 08:00. Это позволяет снизить эффективные торговые расходы примерно до $1 на лот, что делает такую модель одной из наиболее экономичных среди доступных ECN-решений на мировом рынке.
Автор более 100 международных статей, опубликованных на разных языках мира.
https://shtenco.github.io/index.html
На финансовых рынках с 2016 года, в алгоритмическом трейдинге — с 2019 года, в машинном обучении и программировании — с 2021 года.
Разрабатываю торговых советников, алгоритмические торговые системы, технические индикаторы, смарт-контракты, инфраструктуру токенов и криптовалют, системы автоматизации бизнеса и ИИ-модели под ключ.
В настоящее время разрабатываю институциональную торговую экосистему для собственного хедж-фонда, а также собственную блокчейн-инфраструктуру на базе искусственного интеллекта.
Проект уже включает многомодульную Python-инфраструктуру для торговли через Interactive Brokers, отдельную торговую систему для RoboForex и готового институционального торгового советника с жёстко заданными параметрами риск-менеджмента: максимальная дневная просадка — 2%, максимальная недельная просадка — 5%.
Основной приоритет системы — долгосрочная стабильность, дисциплинированное управление капиталом, контроль рисков и достижение устойчивой доходности институционального уровня.
https://www.mql5.com/ru/market/product/193554
Трейдеры RoboForex также могут подключить возврат 95% комиссии и спреда, открыв новый торговый счёт с моим реферальным кодом — jsdnu.
Через мой ребейт-сервис SINERGY 95% соответствующих торговых комиссий и расходов на спред в RoboForex возвращаются каждый торговый день в 08:00. Это позволяет снизить эффективные торговые расходы примерно до $1 на лот, что делает такую модель одной из наиболее экономичных среди доступных ECN-решений на мировом рынке.
Автор более 100 международных статей, опубликованных на разных языках мира.
https://shtenco.github.io/index.html
Yevgeniy Koshtenko
Почти неделю сидел и мучился, пытался сделать нормальный тестер Питона для моделей. Ничего. Не работает. Либо показывает всегда прибыль, либо всегда слив. Вроде все учтено, спред, комса, направления сделок и потери на свопе, но все равно не работает.
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
·
1
Yevgeniy Koshtenko
Опубликовал статью Разработка робота на Python и MQL5 (Часть 1): Препроцессинг данных 
Разработка торгового робота на основе машинного обучения: подробное руководство. В первой статье цикла осуществлен сбор и подготовка данных и признаков. Для реализации проекта используется язык программирования Python и библиотеки, а также платформа MetaTrader 5.
·
4
4670
Yevgeniy Koshtenko
Опубликовал статью Создаем алгоритм маркет-мейкинга на MQL5 
Как работают маркет-мейкеры на рынке? Рассмотрим этот вопрос и создадим примитивный алгоритм маркет-мейкинга.
4453
Yevgeniy Koshtenko
Опубликовал статью Количественный анализ на MQL5: реализуем перспективный алгоритм 
Разбираем вопрос, что такое количественный анализ, как его применяют крупные игроки, создадим один из алгоритмов количественного анализа на языке MQL5.
·
2
2115
Yevgeniy Koshtenko
Тест на участке вне обучения с 2013, одной из моделей, которые сейчас стоят на тесте. +10% без плеча в год. Просадка 8%.
Просадки по полгода на пике. Думал взять счет в пропе США. Получается, что 4% риска в пропе, можно выдержать только торгуя втрое меньшим лотом. 5% прибыли за год. Проп такими темпами, я сдам за год. Или за полтора, если не повезет и попаду на неудачное время.
Все-таки настоящий трейдинг это всегда long term capital managment) Десятилетия труда и настойчивости. Забудьте вообще о тупых мошенниках, которые обещают в рекламе быстрые прибыли с трейдинга, о каких блин 50% в месяц можно говорить? О чем речь вообще? Это НЕВОЗМОЖНО! И легких денег в трейдинге ТОЖЕ НЕТ! ВСЕ ЭТИ СМАРТ МАНИ, ЧУДО СИСТЕМЫ, БРЕДЯТИНА ВСЯКАЯ - ЭТО ПРОСТО ЗАМАНУХА ДЛЯ ЛОХОВ НА ПОКУПКУ КУРСОВ!
Просадки по полгода на пике. Думал взять счет в пропе США. Получается, что 4% риска в пропе, можно выдержать только торгуя втрое меньшим лотом. 5% прибыли за год. Проп такими темпами, я сдам за год. Или за полтора, если не повезет и попаду на неудачное время.
Все-таки настоящий трейдинг это всегда long term capital managment) Десятилетия труда и настойчивости. Забудьте вообще о тупых мошенниках, которые обещают в рекламе быстрые прибыли с трейдинга, о каких блин 50% в месяц можно говорить? О чем речь вообще? Это НЕВОЗМОЖНО! И легких денег в трейдинге ТОЖЕ НЕТ! ВСЕ ЭТИ СМАРТ МАНИ, ЧУДО СИСТЕМЫ, БРЕДЯТИНА ВСЯКАЯ - ЭТО ПРОСТО ЗАМАНУХА ДЛЯ ЛОХОВ НА ПОКУПКУ КУРСОВ!
Yevgeniy Koshtenko
Опубликовал статью Python, ONNX и MetaTrader 5: Создаем модель RandomForest с предварительной обработкой данных RobustScaler и PolynomialFeatures 
В этой статье мы создадим модель случайного леса на языке Python, обучим модель и сохраним ее в виде конвейера ONNX с препроцессингом данных. Модель мы далее используем в терминале MetaTrader 5.
2536