|
2 yıl
deneyim
|
13
ürünler
|
37
demo sürümleri
|
|
1
işler
|
0
sinyaller
|
0
aboneler
|
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.
В отличие от остальных моих алгоритмов, не требует обучения и оптимизации, обучается на лету и за пару дней выходит в прибыль. Постоянно дообучается на лету. Выходит в прибыль с любой точки графика на любой паре.
Осталось совместить это с арбитражным Сварогом и поставкой данных из Мидаса, и с удаленным риск менеджером. Но эта часть системы самодостаточна.
This article presents the development of an arbitrage analysis panel in MQL5. How to get fair exchange rates on Forex in different ways? Create an indicator to obtain deviations of market prices from fair exchange rates, as well as to assess the benefits of arbitrage ways of exchanging one currency for another (as in triangular arbitrage).
We are making a remote professional risk manager for Forex in Python, deploying it on the server step by step. In the course of the article, we will understand how to programmatically manage Forex risks, and how not to waste a Forex deposit any more.
We are going to develop a professional indicator for currency strength analysis in MQL5. This step-by-step guide will show you how to develop a powerful trading tool with a visual dashboard for MetaTrader 5. You will learn how to calculate the strength of currency pairs across multiple timeframes (H1, H4, D1), implement dynamic data updates, and create a user-friendly interface.
How can a trader manage capital? How can a trader and investor keep track of expenses, income, assets, and liabilities? I am not just going to introduce you to accounting software; I am going to show you a tool that might become your reliable financial navigator in the stormy sea of trading.
We will use a quantum computer from IBM to discover all price movement options. Sounds like science fiction? Welcome to the world of quantum computing for trading!
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)
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?
How does the market observe Fibonacci-based relationships? This sequence, where each subsequent number is equal to the sum of the two previous ones (1, 1, 2, 3, 5, 8, 13, 21...), not only describes the growth of the rabbit population. We will consider the Pythagorean hypothesis that everything in the world is subject to certain relationships of numbers...
Continuing tries to decipher price movements... What about linguistic analysis of the "market dictionary" that we get by converting the binary price code to BIP39? In this article, we will delve into an innovative approach to exchange data analysis and consider how modern natural language processing techniques can be applied to the market language.
We will build a biologically correct system of neurons for time series forecasting. The introduction of a plasma-like environment into the neural network architecture creates a kind of "collective intelligence," where each neuron influences the system's operation not only through direct connections, but also through long-range electromagnetic interactions. Let's see how the neural brain modeling system will perform in the market.
In this article, we will forecast future extreme volatility using binary classification. Besides, we will develop an extreme volatility forecast indicator using machine learning.
In this article, I introduce an innovative trading algorithm that combines evolutionary algorithms with deep reinforcement learning for Forex trading. The algorithm uses the mechanism of extinction of inefficient individuals to optimize the trading strategy.
We will look at price discretization methods using Python + MQL5. In this article, I will share my practical experience developing a Python library that implements a wide range of approaches to bar formation — from classic Volume and Range bars to more exotic methods like Renko and Kagi. We will consider three-line breakout candles and range bars analyzing their statistics and trying to define how else the prices can be represented discretely.
AI Moving Average Trend Brief Description An innovative trend indicator utilizing neural network technology for adaptive price movement analysis, perfect for medium and long-term traders working across various timeframes. Full Description Operating Principle The indicator employs a single-layer neural network to analyze price movements and construct an adaptive trend line. The algorithm combines classical moving average with machine learning for precise trend determination. Calculation
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!
The article describes the experience of developing a hybrid trading system that combines classical technical analysis with neural networks. The author provides a detailed analysis of the system architecture from basic pattern analysis and neural network structure to the mechanisms behind trading decisions, and shares real code and practical observations.