Thanks!

Sent you a PM

My previous solution to the bonus question 2 was quite generic in terms that it can be used not only in puzzles where a single node has maximum of 2 connections, but also in cases where nodes have N connections to previous layer.

The contest puzzle can be solved faster/easier with the following algo. It is less "mathematical", but it can be easily transformed to code. Basically this algo is a representation of the steps provided by Vlad R.

1. The given puzzle is a matrix of arrows (A). It has 12 rows (n) and 22 columns (m). Each cell of A can take a value of: up (+1), down (-1) or null/empty (NA/0).
2. The puzzle also contains a matrix of nodes (P). It has 13 rows (n +1) and 23 columns (m + 1). Each cell of this matrix contains a value that represents the number of paths leading to this node.
3. Each cell in the very first column of P is eaqual to 1 representing the initial numer of paths (P_i,0 = 1).
4. Every other value of cell in P derives from the following formula:

    P_i,j = if(A_i,j-1 > 0; P_i+1,j-1) + if(A_i-1,j-1 < 0; P_i-1,j-1);
    *it's a bit simplified for better reading; in reality you have to check that values in A and P exist <=> indeces are non-negative (i and j >= 0)

5. That's it. The only value present in the last column will be the total number of paths leading to beta from alpha.


You can see the implementation of the algo here (excel file): https://drive.google.com/file/d/1oYvlU0ko07NEE5G36cuYCGzhVcRo2b3Q/view?usp=sharing

BTW I wrote all the T-matrices down so anyone can check that the algo is correct:

if you have matlab installed on your machine (you can also use octave-online.net) put this code into the command promt, W22 will be equal to 415:

T1 = [1; 1];
T2 = [1 0; 1 1; 0 1];
T3 = [1 0 0; 0 1 0; 0 0 1];
T4 = [1 0 0; 0 1 0; 0 0 1; 0 0 1];
T5 = [1 0 0 0; 1 0 0 0; 0 1 0 0; 0 1 1 0; 0 0 1 1; 0 0 0 1];
T6 = [1 1 0 0 0 0; 0 0 1 1 0 0; 0 0 0 1 1 0; 0 0 0 0 1 1];
T7 = [1 0 0 0; 0 1 0 0; 0 0 1 1];
T8 = [1 0 0; 1 0 0; 0 1 0; 0 0 1];
T9 = [1 0 0 0; 1 1 0 0; 0 1 1 0; 0 0 1 1; 0 0 0 1];
T10 = [1 0 0 0 0; 0 1 0 0 0; 0 1 1 0 0; 0 0 1 1 0; 0 0 0 1 0; 0 0 0 0 1];
T11 = [1 0 0 0 0 0; 0 1 0 0 0 0; 0 0 1 0 0 0; 0 0 0 1 0 0; 0 0 0 0 1 0; 0 0 0 0 0 1];
T12 = [1 1 0 0 0 0; 0 0 1 0 0 0; 0 0 0 1 0 0; 0 0 0 0 1 1];
T13 = [1 0 0 0; 1 0 0 0; 0 1 0 0; 0 0 1 0; 0 0 0 1; 0 0 0 1];
T14 = [1 1 0 0 0 0; 0 0 1 0 0 0; 0 0 0 1 0 0; 0 0 0 1 0 0; 0 0 0 0 1 1];
T15 = [1 0 0 0 0; 1 0 0 0 0; 0 1 0 0 0; 0 0 1 0 0; 0 0 0 1 1; 0 0 0 0 1];
T16 = [1 0 0 0 0 0; 0 1 0 0 0 0; 0 0 1 0 0 0; 0 0 0 1 0 0; 0 0 0 1 0 0; 0 0 0 0 1 1];
T17 = [1 0 0 0 0 0; 0 1 1 0 0 0; 0 0 1 1 0 0; 0 0 0 1 1 0; 0 0 0 0 1 0; 0 0 0 0 0 1];
T18 = [1 1 0 0 0 0; 0 1 1 0 0 0; 0 0 1 1 0 0; 0 0 0 1 1 0; 0 0 0 0 1 1];
T19 = [1 1 0 0 0; 0 0 1 0 0; 0 0 0 1 1];
T20 = [1 0 0; 0 1 0; 0 0 1];
T21 = [1 1 0; 0 1 1];
T22 = [1 1];

W22 = T22 * T21 * T20 * T19 * T18 * T17 * T16 * T15 * T14 * T13 * T12 * T11 * T10 * T9 * T8 * T7 * T6 * T5 * T4 * T3 * T2 * T1;

disp('TOTAL NUMBER OF PATHS LEADING TO BETA IS:');
disp(W22);

re Bonus Question 2:

the algo for the solution is kinda similar to how a NN (neural network) is built...

1. every column of nodes (not arrows) in the puzzle is a separate layer;
2. each layer consists of a number of nodes (n_i), so i-th layer has n_i nodes;
3. every node in i-th layer is connected to some nodes in layer i-1;
4. let T_i be the transformation matrix that describes how nodes from i-th layer are connected to nodes in layer i-1, T_i is size of (n_i*n_i-1);

a simple example:
 ↗  ↘  ↗  ↘
 ↘  ↗      ↗
     ↘  ↗
there are 4 layers - (layer 0 - the initial layer, containing only one node), layer 1 - contains 2 nodes, layer 2 - contains 2 nodes, layer 3 - contains 2 nodes and layer 4 - contains 1 node (final node);
if a j-th node in i-th layer is connected to a k-th node in layer i-1 you write 1 in place (j,k - j-th row, k-th column) of the T_i matrix, otherwise you write 0:
T₁ = [ 1; 1 ], of size (2x1) or (n₁*n₀);
T₂ = [ 1 1; 0 1 ], of size (2x2) or (n₂*n₁);
T₃ = [ 1 0; 0 1 ], of size (2x2) or (n₃*n₂);
T₄ = [ 1 1 ], of size (1x2) or (n₄*n₃);

5. let W_i be the vector that describes how many paths lead to every node in i-th layer, so W_i is size of (n_i*1);

now the formula:
W_i = T_i * W_i-1;    (1)
W₀ = [1];

considering there are 22 layers in the puzzle and 22 transformation matrices, the solution can be calculated by repeating (1) for each layer (column) in the puzzle, here is a pseudo-code:

W₀ = [1];
for (i = 1:22)
   W_i = T_i * W_i-1;
Answer = W₂₂;

or:
Answer == W₂₂ = T₂₂ * T₂₁ * T₂₀ * ... * T₁ * W₀;

and for my simple example:
W₀ = [1];
W₁ = T₁ * W₀ = [ 1; 1 ] * [1] = [ 1; 1];
W₂ = T₂ * W₁ = [ 1 1; 0 1 ] * [ 1; 1 ] = [ 2; 1];
W₃ = T₃ * W₂ = [ 1 0; 0 1 ] * [ 2; 1 ] = [ 2; 1];
W₄ = T₄ * W₃ = [ 1 1 ] * [ 2; 1 ] = [ 3 ];
answer - there are 3 paths

Is it 2^16/2^27 to the first question? ~ 0.05% 

3d стакан делать пробовали.
Красиво, но информативность теряется, поскольку так или иначе новые состояния стакана перекрывают старые.
3d кушает больше ресурсов и может вызывать существенную задержку в отображении информации, что противоречит цели продукта - повышению эффективности торговых стратегий.

Спасибо за интерес! 

Для рынка криптовалют это действительно что-то новое. Подобные решения уже используются институциональными инвесторами на классических финансовых рынках для повышения целостности видения рыночной ситуации. Особо актуально это при высокой рыночной активности, когда сложно уследить за изменениями заявок в стакане и сопоставить их с прошедшими сделками.

Однако эти проф инструменты недоступны для среднего трейдера и стоят целое состояние (см. к примеру Nanex). Ценность нашего решения в том, что оно предоставляет основы проф визуального анализа заявок и сделок совершенно бесплатно для мира криптовалют.

Вот пара выводов из актуальных научных статей, связанных с визуальным анализом стакана заявок:

• Limit Order Book reconstruction, visualization and statistical analysis of the order flow | 2014
  "The reconstruction, the visualization and the analysis of the limit order book is key in order to get a better understanding of the dynamics underlying the price changes of an asset"
• The Role of Visual Analysis in the Regulation of Electronic Order Book Markets | 2014
  "Such tools can facilitate a rapid analysis of changes in participant and market behavior and subsequent dissemination of this information to relevant parties. Visualizations are one of the most powerful means of analysis and subsequent information dissemination"

Спасибо за интерес!  

1. На чем собираетесь зарабатывать? Есть ли модель монетизации проекта?
Текущая версия абсолютно бесплатна. В дальнейшем будет подписочная модель с отслеживанием своих заявок и трейдов, а также торговым интерфейсом. При этом, базовый функционал останется бесплатным.

2. Не все могут быть согласны использовать толстые клиенты, рассматривается ли вариант с веб клиентом?
Веб-клиент рассматривается, но там есть вопросы с производительностью, т.к. дата-точек гораздо больше, чем в классическом свечном графике. Если посмотреть на аналогичные решения в финансовой индустрии, то там преобладают именно толстые клиенты из-за производительности.

3. На чем написан клиент? Windows Form?
Клиент на WPF.

4. Какие совместимые API бирж сейчас поддерживаются и есть ли конфигуратор API доступный пользователю?
Сейчас доступны биржи Okcoin.com, Okocoin.cn, Bitfinex – только публичные методы, т.к. пока нет интерфейса торговли. В дальнейшем добавим больше бирж. Своего API у нас пока нет.

5. Код проприетарный или open source?
Код проприетарный. Важно отметить, что мы не пропускаем трафик бирж через свои сервера и никак не модифицируем данные. Данные отображаются в том виде, в котором они приходят от биржи прямо в клиент.