|
2 年
经验
|
13
产品
|
37
演示版
|
|
1
工作
|
0
信号
|
0
订阅者
|
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.
Индикатор ZigZag дополняется количественной оценкой длин волн: для восходящих и нисходящих движений считаются текущая длина, максимум, минимум, среднее и медиана, обновляемые на каждом новом баре. Разбираются ключевые элементы реализации: поиск экстремумов в скользящем окне, конечный автомат пивотов, инкрементальный пересчёт и отключение визуального слоя в тестере. Практическая польза — объективные численные ориентиры вместо визуальной оценки на глаз.
Рассматриваем альтернативу нейросетевым фильтрам сигналов: ассоциативные правила и базовую теорию вероятностей в MQL5, без Python и внешних библиотек. Показано, как дискретизировать рыночные условия (RSI, EMA, ATR, импульс, сессия), собрать статистику по support, confidence, lift и edge с сглаживанием Лапласа и применять результат как прозрачный входной фильтр перед сделкой.
В трейдинге большинство проблем связано не с инструментами, а с человеческим фактором. Эмоциональные решения, усталость, спешка и отсутствие дисциплины со временем сводят на нет даже хорошие торговые идеи. Именно поэтому автоматизация остаётся одним из самых обсуждаемых направлений в алгоритмической торговле.
В течение длительного времени я занимаюсь разработкой автоматизированной торговой системы MIDAS, основанной на анализе больших датасетов мировой экономики, применении нейросетей, машинного обучения, LLM-надсистемы с элементами RL, формализованных правилах и жёстком риск-менеджменте.
Проект находится на завершающей стадии и переходит в фазу расширенного тестирования в реальных условиях рынка. Система предназначена для полностью автоматической работы и ориентирована на статистический подход и контроль рисков. Она не исключает убыточных периодов, не даёт гарантий результата и не заменяет понимание рынка — но может быть полезна тем, кто интересуется практической стороной алгоритмической торговли и хочет поучаствовать в тестировании сложного технического решения.
На текущем этапе я ищу людей, готовых принять участие именно в тестировании. Речь не о передаче средств в управление, а о тестировании системы и обработке багов, наблюдении за её поведением и передаче объективной обратной связи по стабильности.
Количество участников ограничено по техническим причинам. В приоритете те, кто понимает: тестирование торгового алгоритма — это работа с рисками, статистикой и дисциплиной, а не краткосрочный способ за 2 дня получить прибыль.
Я в первую очередь исследователь и архитектор системы, также у меня большой опыт в ручном трейдинге.
Если вам интересен сам процесс торговли и тестирования торговых систем — напишите в комментариях. Связь в порядке очереди. Отбор закроется после набора нужного количества участников.
Третья статья серии вводит обучаемый граф признаков в архитектуре Cellular10K: веса связей feature → feature онлайн усиливаются после верных прогнозов и ослабляются после ошибок. Разбираются мягкая инициализация, шаг message passing, локальное правило обучения в стиле Хебба, ограничение весов, нормировка и decay. Показана интеграция с клеточным автоматом и бинарным предиктором, а также метрики диагностики и практические пороги запуска для контроля переобучения.
Во второй части клеточный автомат переводится с решётки на граф. Признаки становятся вершинами графа с локальными и дальними small‑world связями, а клетки — агентами, которые взаимодействуют не только с геометрическими, но и со смысловыми соседями. Рассматриваются графовая фильтрация признаков, построение графа соседей, обновлённое голосование по согласованности и метрики Graph Coherence и Graph Health. Это снижает влияние одиночных выбросов и ускоряет распространение рыночных режимов при полной совместимости с MQL5.
2. **Граф Ватца-Строгаца вместо плоской решетки:** Мы отказались от примитивной геометрической решетки соседей. Теперь клетки образуют топологию «мир тесен» (Small-World). Агенты обмениваются информацией не только с теми, кто «рядом», но и со смысловыми соседями на основе матрицы ранговой корреляции Спирмена, а также через дальние хорды. Это позволяет сети мгновенно реагировать на смену рыночного режима.
3. **Асинхронный Netting FSM (Safe Flip):** Так как система работает на Netting-счете (только одна позиция) с сетевым пингом до 150 мс, мы полностью отказались от блокирующих вызовов. Используется только `OrderSendAsync`, а все результаты перехватываются событийной моделью в `OnTradeTransaction`. Мгновенные перевороты LONG↔SHORT строго запрещены: внедрен механизм **Safe Flip** с переходом во FLAT и ожиданием подтверждающего импульса в 0.5 ATR.
4. **Встроенный SGD-предиктор:** Для верификации клеточного консенсуса добавлен независимый Бинарный Предиктор (BPC). Это логистическая регрессия, которая инкрементально обучается на каждом баре методом стохастического градиентного спуска (SGD). Вход в сделку разрешен только при совпадении сигналов автомата и предиктора.
5. **Промышленный WFA-конвейер без Data Leakage:** Мы вынесли тестирование в автоматизированный Python-конвейер. Внедрено жесткое правило **Purge Gap** — искусственный разрыв в 100 баров между In-Sample и Out-Of-Sample периодами при Walk-Forward оптимизации, чтобы исключить «заглядывание в будущее» из-за памяти индикаторов. Телеметрия теперь пишет данные строго в момент входа (Entry Snapshot). Итог: твоя модель теперь не просто подстраивается под историю, она аппаратно-оптимизирована, асинхронна и математически защищена от переобучения и микроструктурного шума.
SMC Proximity RSI + Time Blocks —— 由聪明钱区域强化的 RSI 振荡指标 普通的 RSI 只显示超买和超卖，却完全不知道价格相对于关键机构区域处于什么位置。SMC Proximity RSI 解决了这个问题。 这款振荡指标将经典 RSI 与聪明钱概念（Smart Money Concepts）分析相结合：它测量价格与订单块（Order Blocks）、公允价值缺口（FVG）、时间块（Time Blocks）以及支撑/阻力位的接近程度，并在价格进入重要区域时精准放大 RSI 信号。在看涨订单块处出现的超卖，远比在空旷区域的超卖更有意义——而本指标会把这一点显示出来。 副图窗口中你会看到 主线 SMC Proximity RSI —— 经聪明钱结构接近度强化后的 RSI。在真正值得期待反应的区域，超买/超卖信号会更加鲜明。 四条接近度线（一个开关即可显示/隐藏）： —— Order Block Proximity：与看涨和看跌订单块的接近度 —— FVG Proximity：与未填补失衡区的接近度 —— Time Block
Order Block ICT — SMC An Order Block indicator based on the ICT / Smart Money Concepts methodology. It automatically detects and draws bullish and bearish order block zones on your chart, tracks their mitigation, and removes zones once they are spent. See the areas where smart money stepped into the market — without marking up the chart by hand. What the indicator does Scans price history and detects order blocks through several scenarios at once: a classic candle sequence, an impulsive move, an
Переносим 3D-бары из Python в нативный MQL5: вместо plotly и моста к терминалу — сцена на CCanvas3D и DirectX 11 прямо на графике. Цена, время и тиковый объём раскладываются по трём осям, геометрия собирается вручную из вершин и треугольников, а орбитальная камера на событиях мыши даёт интерактивный осмотр без внешних зависимостей.
FVG Analysis — 公允价值缺口(Fair Value Gap)的识别与跟踪 FVG Analysis 是一款能够在图表上自动识别价格失衡区域的指标——这类区域在 Smart Money Concepts 中被称为公允价值缺口(Fair Value Gap)——并跟踪它们从形成到被回补的整个生命周期。这些区域出现在市场以极强的冲量运行、以致于留下未被相邻K线填补的价格缺口之处,而价格往往会在随后重新回到这些区域,以恢复平衡。 本指标的核心是经典的三K线缺口定义。当第一根与第三根K线的影线之间留有未被填补的空间,且冲量K线本身确认了方向时,缺口便记录在三根K线的中间那一根上:对于看跌缺口,较旧K线的最低价高于较新K线的最高价,且中间K线为阴线;对于看涨缺口,则呈镜像关系。这种方法过滤掉随机噪声,只突出在结构上具有意义的缺口。 每一个被识别出的区域都会以矩形的形式绘制在图表上:看跌与看涨缺口各自采用可自定义的颜色,区域可以填充并置于背景,从而不会遮挡价格走势。矩形从缺口形成的时刻延伸至当前时间,直观地展示该区域保持未被回补的时长,以及价格已逼近到何种程度。
SMC Market Structure PRO — 订单块、FVG、流动性与汇合区指标 不再靠猜测。开始像大资金那样解读市场。 SMC Market Structure PRO 自动在图表上识别聪明钱的关注区域——订单块（Order Blocks）、公允价值缺口（FVG）以及时间失衡区，并高亮显示三种结构相互重叠的汇合区（Confluence Zones）。价格恰恰最常在这些区域产生反应。 这是一款基于聪明钱概念（Smart Money Concepts / ICT）方法论的完整市场结构分析工具。它适用于任意品种和任意周期，启动时自动处理历史数据，并在每根新K线上更新——已形成的区域不会重绘。无需堆叠十几个零散指标，您即可在图表上获得一张完整的机构意图地图。 核心功能 自动订单块（看涨与看跌） 指标不只是简单地标出一根大K线。它会验证真正的 SMC 条件：实体至少占整根K线幅度的 60%、流动性抓取（liquidity grab）以及随后的价格位移（displacement）。只有经过确认的订单块才会显示在图表上。 公允价值缺口（FVG / 失衡区）
Currency Strength & Pullback Panel — currency strength and pullback entry points The Currency Strength & Pullback Panel is an analytical panel that solves two trader tasks at once: it shows which currency pairs are in a strong move right now, and it points out where an opportunity has opened to join that move at a favorable price on a pullback. Unlike classic currency strength indicators that stop at a colored scale, this panel works across multiple timeframes. For each pair it computes
Статья описывает TradeMux как мост между Python-пайплайном и терминалом MetaTrader 5 для чистой передачи торговых решений без дублирования логики. Разобрана production-архитектура из четырёх слоёв и полный Python execution service: подключение, чтение счёта и позиций, генерация сигналов (включая CatBoost), предторговый риск-контроль, kill_switch и supervisor. Практическая польза — кросс-брокерная нормализация (RoboForex, IC Markets, Alpari, OANDA) и масштабирование от одного счёта к мультисчётному broadcast без изменения торговой логики.
Разбирается практическое применение L1 Trend Filter для очистки шума и формирования структурных признаков, совместимых с live-торговлей. Показан полный цикл: H1-данные 29 инструментов из MetaTrader 5, каузальная фильтрация, CatBoost на горизонте трёх L1-баров, честный walk-forward и распределение лотов по VaR. Читатель получает воспроизводимый кодовый конвейер и методику портфельной оценки.
Статья продолжает серию об AI Hedge Fund и снимает три ограничения v4: репутации аналитиков теперь персистентны в SQLite, EA выведен из критического пути исполнения, а сигналы совета пятнадцати рассылаются на несколько брокеров через TradeMux REST API. Логика совета и риск-менеджмента не менялась: Python получает данные через MetaTrader 5 SDK и исполняет ордера напрямую. Результат — устойчивость к перезапускам и масштабирование на несколько терминалов.
В статье разобрана архитектура советника на клеточном автомате с 10 000 адаптирующихся параметров и независимым бинарным предиктором на горизонте 10 баров. Показано трёхуровневое онлайн-обучение, эволюция стратегий и валидация через кольцевой буфер и матрицу ошибок. Параметры входа сведены к Magic Number, торговые настройки вычисляются из ATR и пяти геномов. Тест EURUSD H1 дал ориентировочный Hit Rate около 58% против ~51% у фиксированной MLP.
