|
2 年
经验
|
7
产品
|
67
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.
基于状态矩阵与神经网络的自训练智能交易系统（EA）我们将马尔可夫链与基于ALGLIB MQL5库开发的多层感知器（MLP）神经网络相结合。马尔可夫链与神经网络如何结合应用于外汇预测？
面向交易的计算机视觉：工作原理与分步开发指南。我们基于注意力机制与双向LSTM层，构建价格图表RGB图像识别算法。最终得到一套可用的欧元兑美元（EURUSD）价格预测模型，在验证阶段，模型预测准确率最高可达55%。
Теперь мне доступны любые отчёты по всем позициям всех фондов крупнее 100 млн. $.
Это для нового модуля Мидаса.
Следующая статья будет посвящена анализу связей между движениями капитала мировых фондов и изменениями цен на бирже.
什么是外汇市场的量化趋势分析？以欧元兑美元（EURUSD）货币对为例，系统将统计趋势的规模、持续时间及分布规律。并阐述如何利用这些数据构建盈利的EA。
The article contains a detailed description of the cross-rate calculation algorithm, a visualization of the imbalance matrix, and recommendations for optimally setting the MinDiscrepancy and MaxRisk parameters for efficient trading. The system automatically calculates the "fair value" of each currency pair using cross rates, generating buy signals in case of negative deviations and sell signals in case of positive ones.
基于计算机视觉与深度学习的欧元兑美元（EURUSD）汇率预测系统。探索卷积神经网络（CNN）如何识别外汇市场中的复杂价格形态，并实现最高达54%的汇率波动预测准确率。本文将分享一种突破传统技术指标的算法设计方法 —— 通过人工智能（AI）技术对K线图进行可视化分析。作者演示了将价格数据转换为“图像”的过程、神经网络的处理流程，以及通过激活热力图和注意力热图窥视AI“思维”的独特机会。通过基于MetaTrader 5库的Python实践代码，读者可完整复现系统并将其应用于自身的交易中。
如何将Renko柱与人工智能结合使用？我们来探讨外汇市场中的Renko交易，其预测准确率最高可达 59.27%。我们将探究Renko柱在过滤市场噪音方面的优势，了解为何成交量比价格形态更重要，以及如何为欧元 / 美元设置最优的Renko块大小。这是一份分步指南，教你整合 CatBoost、Python 与 MT5（MetaTrader 5），搭建属于自己的外汇Renko柱预测系统。对于希望突破传统技术分析框架的交易者来说，这是绝佳方案。
Небольшой процентник капает на счет каждую ночь, это своего рода кэшбек от брокера за активную торговлю роботов.
Каждому кто приобретает акционные версии роботов - я могу настроить такого рода ребейт с прямым переводом ребейта на счет каждую ночь.
По процентам чисто с ребейтов за апрель вышло + 0,75%, плюс еще роботы сами набили +12,52% на все пополнения.
Принцип прост - постоянно пополняем счет, роботы постоянно набивают прибыль на все пополнения, ребейты также увеличиваются. Дальше в систему вступает его величество сложный процент, который и выводит вас на финансовую свободу. Наш с женой пассивный доход от инвестиций за год уже впервые превысил 1 млн. тенге, это около 20 000 рублей полностью пассивно - ежемесячно. Но прибылью мы не пользуемся, а реинвестируем и пускаем в работу - хоть через 10 лет пожить как миллиардеры))))
Всего накопительных счетов сейчас 11 - это и вклады, и депозиты, и брокерские счета в РФ / Казахстане, и криптобиржи, и брокерские счета у Форекс - дилеров.
Главная суть системы: контролировать расходы, чтобы тратить не все, то что не потратили, запускаем в инвестиции, и они уже создают нам капитал на дистанции.
本文将深入探究配对交易的核心逻辑，以及相关性交易的运作机制。我们还将编写一套自动化配对交易EA，并为其加入基于历史数据的算法自动优化功能。此外，在整个项目中，我们还会学习如何通过 Z 值（Z-Score）计算两个交易品种之间的价差偏离度。
What is angular analysis of financial markets? How to use price action angles and machine learning to make accurate forecasts with 67% accuracy? How to combine a regression and classification model with angular features and obtain a working algorithm? What does Gann have to do with it? Why are price movement angles a good indicator for machine learning?
我们依据混沌理论判定市场超买超卖状态：通过整合混沌理论、分形几何与神经网络原理，构建金融市场预测模型。研究采用李雅普诺夫（Lyapunov）指数量化市场的随机性，并实现交易信号的动态适配。方法论涵盖三大核心组件：分形噪声生成算法、双曲正切激活函数和动量优化技术。
We revisit the Ilan grid Expert Advisor and integrate Q-learning in MQL5 to build an adaptive version for MetaTrader 5. The article shows how to define state features, discretize them for a Q-table, select actions with ε-greedy, and shape rewards for averaging and exits. You will implement saving/loading the Q-table, tune learning parameters, and test on EURUSD/AUDUSD in the Strategy Tester to evaluate stability and drawdown risks.