Данные
Сбор, очистка, синхронизация и подготовка рыночных временных рядов.
Financial time series · ML · execution research
От рыночных данных до исполняемых сигналов
Kogeren — разрабатываемая с 2020 года система для исследования финансовых временных рядов, создания ML-моделей, визуализации прогнозов и проверки торговых гипотез — в симуляции и на реальном рынке.
market_data → preparation
features + labels → dataset
tensorflow / keras → predictions
signals → execution rules
positions → monitoring
● research loop active
generation_02 / since 2026-06-29
online simulations / position_id 35,000+
2020начало разработки
2025частное финансирование
35 000+позиций в новом онлайн-контуре
Full stackML, backend, UI и инфраструктура
01 / Система
Полный исследовательский цикл
Kogeren — не одна модель и не готовый «торговый продукт». Это инженерная среда, в которой гипотеза проходит путь от данных и разметки до наблюдаемого сигнала, позиции и анализа исполнения.
Признаки и метки
Собственные признаки, целевые переменные и обучающие выборки.
ML-модели
Разработка, обучение и оценка моделей на TensorFlow и Keras.
Визуализация
Прогнозы и сигналы в контексте конкретного движения рынка.
Исполнение
Бэктесты, виртуальные позиции и моделирование торговых правил.
Эксплуатация
Python-сервисы, MySQL, веб-интерфейсы, VPS и Telegram-уведомления.
02 / Эволюция
Два поколения разработки
Публичные материалы разделены по поколениям. Старые модели показывают уже выполненную работу, но не выдаются за текущее состояние исследования.
Платформа, модели и реальное исполнение
Полнофункциональная система с личными кабинетами, настройками, графиками, виртуальным капиталом и интеграцией с Binance API для сопровождения реальных позиций от открытия до закрытия.
- криптомодели и модель NVDA;
- пользовательские настройки и интерфейсы;
- симуляции, реальные позиции и уведомления.
Структура high/low и более строгая проверка
С 29 июня 2026 года развивается новый исследовательский контур, сосредоточенный на прогнозировании структуры движения high/low, новых признаках и метках, а также более реалистичных правилах исполнения.
- разделение качества прогноза и торговой интерпретации;
- онлайн-симуляция на свежих данных;
- более 35 000 обработанных позиций.
03 / Фактическое применение
Не только симуляция
Сигналы предыдущего поколения применялись в реальной торговле. Для портфолио это подтверждает способность довести ML-систему от исследования и визуализации до надёжно работающего контура исполнения.
10 месяцевреальной эксплуатации: 01.08.2025–04.06.2026
Сотни позицийполный цикл от открытия до закрытия
Binance APIисполнение, сопровождение и контроль состояния
Что подтверждает реальная эксплуатация
Система около десяти месяцев работала с реальными позициями. Прогнозы преобразовывались в формализованные сигналы, проходили через интеграцию с биржей, а позиции автоматически открывались, сопровождались и закрывались.
Архитектура поддерживает гибкую смену стратегий и временных масштабов — от длинных таймфреймов до внутридневных 1-минутных интервалов. Реализован модуль динамического управления риском: расчёт Risk/Reward, контроль Stop-Loss и Take-Profit, сопровождение ордеров и обработка изменений рыночного состояния.
Это демонстрирует не качество одной модели или отдельного прогноза, а инженерную квалификацию: проектирование полного контура, обработку состояний и ошибок, серверную автоматизацию, хранение данных, мониторинг и длительную эксплуатацию системы.
Финансовая доходность не используется на этой странице как мера квалификации. Модели могут ошибаться; цель витрины — показать масштаб, сложность и зрелость реализованной системы.
04 / Публичные материалы
Демонстрации
Каждая страница помечена по типу результата и поколению системы, чтобы исторические материалы, виртуальная торговля и реальное исполнение не смешивались.
Демо-доступ к личному кабинету
Логин: demo · Пароль: demo · режим только для просмотра
Новый исследовательский контур
Read-only представление текущих моделей и свежих данных. Разработка ведётся с 29 июня 2026 года.
Открыть модель →Криптовалютные модели
Архив графиков и сигналов предыдущего поколения за продолжительный период наблюдения.
Открыть графики →Модель NVDA
Отдельная модель для NVIDIA, разработанная по заказу для этого актива.
Открыть графики →Личный кабинет
Интерфейс, настройки, графики и история работы системы. Публичный демо-аккаунт изолирован от API-ключей и торговых операций.
Войти: demo / demo →Как читать графики моделей
- Сначала определите период и актив: горизонт наблюдения влияет на интерпретацию любого сигнала.
- Сопоставляйте сигнал с ценой: отметка модели — прогноз или условие входа, а не уже полученная прибыль.
- Проверяйте тип результата: историческая симуляция, онлайн-симуляция, виртуальная или реальная позиция — разные уровни доказательности.
- Не оценивайте модель по одной сделке: важны последовательность сигналов, правила закрытия, комиссии, проскальзывание и устойчивость на серии наблюдений.
Точная легенда цветов и линий должна быть размещена рядом с каждым конкретным графиком.
05 / Классификация
Как классифицируются результаты
Для каждого результата указывается, в каких условиях он получен: на исторических данных, в онлайн-симуляции, при виртуальной торговле или на реальном счёте.
Историческое тестирование
Расчёт на ранее полученных данных по заранее заданным правилам. Не воспроизводит все условия реального исполнения.
Онлайн-симуляция и виртуальная торговля
Сигналы обрабатываются на поступающих данных, но позиции и капитал остаются виртуальными.
Реальное исполнение
Сигналы использованы для сделок на реальном счёте. Указывается период эксплуатации и фактический способ исполнения.
06 / Архитектура и стек
От данных до исполнения
Модульная архитектура объединяет поток рыночных данных, ML-прогнозирование, управление риском, исполнение и мониторинг в работающей системе на Linux VPS.
01 · ДанныеBinance REST и WebSocket API, подготовка временных рядов
02 · MLПризнаки, метки, TensorFlow и Keras-модели
03 · СтратегияСигналы, таймфреймы и динамический Risk/Reward
04 · ИсполнениеОрдера, Stop-Loss, Take-Profit и состояние позиций
05 · КонтрольMySQL, Linux VPS, интерфейсы и Telegram-уведомления
Python 3.10TensorFlow / KerasBinance REST & WebSocket APIMySQLLinux VPSTelegram Bot APINumPypandasscikit-learnPHP / JavaScript
