SkvanzomruETH Abstraktas datu struktūras vizualizācija reāllaika riska analīzei
Precīza analītika tirdzniecības lēmumu pieņemšanai

Sistemātiska riska kontrole, izmantojot adaptīvus algoritmus

SkvanzomruETH novērtē tirgus datus reāllaikā un nepārtraukti pielāgo riska parametrus jūsu individuālajai uzvedībai. Nevis vispārējs modelis - mācību sistēma, kas strukturēti saprot jūsu lēmumus.

Arhitektūra

Trīs riska pielāgošanas tehniskie līmeņi

Sistēma ir sadalīta skaidri nodalītos apstrādes posmos. Katrs līmenis veic noteiktu uzdevumu, pirms dati tiek nodoti nākamajam.

01

Datu vākšana reāllaikā

Tirgus, pasūtījumu portfeļa un nepastāvības dati tiek nepārtraukti importēti un normalizēti, pirms tie tiek iekļauti analīzē. Kavējumi tiek reģistrēti un ziņoti.

Apstrādes intervāls: nepārtraukts, nevis pa partijām
02

Modeļa atpazīšana

Tiek pārbaudītas vēsturiskās un pašreizējās cenu tendences attiecībā uz atkārtotām struktūrām. Modelis atšķir īslaicīgu troksni un uzticamus signālus.

Metode: statistiskā modeļu saskaņošana, bez melnās kastes punktu noteikšanas
03

Adaptīvā riska mērogošana

Pozīciju izmēri un apstāšanās parametri tiek pielāgoti, pamatojoties uz jūsu iepriekšējo tirdzniecības uzvedību, nevis pamatojoties uz vispārēju riska profilu.

Pielāgošanas loģika: individuāla, katram kontam tiek glabāta atsevišķi
Metodoloģija

Kā sistēma apgūst jūsu riska toleranci

Pielāgošana nenotiek vienreiz iestatīšanas laikā, bet gan pastāvīgā atgriezeniskās saites procesā starp jūsu lēmumiem un modeļa parametriem.

1. darbība

Sākotnējās uzvedības novērošana

Pirmajā fāzē sistēma fiksē, kā jūs reaģējat uz dažādām tirgus situācijām: pozīcijas lielumu, turēšanas periodu, reakciju uz zaudējumu sliekšņiem. Šie dati veido atsauces bāzi.

Lietotāja darbība
→
datu punkts
→
Atsauces profils
2. darbība

Noviržu analīze

Katrs jauns lēmums tiek salīdzināts ar atsauces profilu. Novirzes netiek automātiski uzskatītas par kļūdām, bet tiek klasificētas kā iespējamās korekcijas jūsu riska tolerancei.

Jauna darbība
→
Salīdzinājums
→
Atšķirības vērtība
↺ pastāvīgas atsauksmes ↺
3. darbība

Parametru regulēšana kontrolētos soļos

Modeļa parametri tiek pielāgoti pakāpeniski, nevis pēkšņi. Tādējādi ir skaidrs, kuras uzvedības izmaiņas noveda pie kāda pozicionēšanas loģikas pielāgošanas.

Atšķirības vērtība
→
Modeļa atjauninājums
→
Pielāgots noteikums
Lietošanas gadījumi

Lēmumu optimizācija dienas tirdzniecībā

Tālāk minētie scenāriji apraksta, kā sistēmas loģika tiek pielietota tipiskās tirdzniecības situācijās. Tie ir strukturāli piemēri, nevis rezultātu solījumi.

Scenārijs: augsta nepastāvība pēc tirgus atvēršanas

Tūlīt pēc tirdzniecības sākuma cenu svārstības bieži vien ievērojami palielinās. Sistēma automātiski samazina maksimālo pozīcijas lielumu šajā fāzē, ja jūsu iepriekšējā rīcība līdzīgās fāzēs ir radījusi nesamērīgus zaudējumus.

Loģiskā plūsma: konstatēts nepastāvības pieaugums → salīdzinājums ar uzvedības vēsturi → pozīcijas ierobežojums īslaicīgi pielāgots
  • Apskatāmais periodspirmās 30 minūtes
  • SprūdaPārsniegts nepastāvības slieksnis
  • Sistēmas reakcijaPozīcijas ierobežojums samazināts
  • Apskatāmais periodsnotiek
  • Sprūdaatkārtota uzvaru sērija ar ciešu stopu
  • Sistēmas reakcijaSviras rāmis pakāpeniski paplašinājās

Scenārijs: konsekventa rīcība vairākās sesijās

Ja vairākās tirdzniecības sesijās parādās stabils disciplinētu stop iestatījumu modelis, sistēma paplašina atļauto sviras limitu nelielās, dokumentētās darbībās – nevis visās jomās, bet gan saistībā ar novēroto konsekvenci.

Loģiskā plūsma: konsekvences pārbaude sesijās → sasniegts slieksnis → pielāgots sviras rāmis

Scenārijs: novirze no izveidotās stratēģijas

Ja pasūtījums būtiski atšķiras no jūsu dokumentētā tirdzniecības modeļa, sistēma to atzīmē pārskatīšanai, nevis automātiski izpilda vai bloķē. Galīgais lēmums paliek jūsu ziņā.

Loģiskā plūsma: konstatēta modeļa novirze → karogs manuālai pārbaudei → nav automātiskas izpildes
  • SprūdaNovirze no atsauces profila
  • Sistēmas reakcijaMarķēšana, nevis automātiska
  • Kontrolepaliek lietotājam
Tehniskie jautājumi

Latentums, datu drošība un modeļu apmācība

Tālāk minētie punkti attiecas uz visbiežāk sastopamajiem strukturālajiem jautājumiem saistībā ar sistēmas darbību.

Ar kādu latentumu darbojas reāllaika optimizācija?
Datu apstrāde notiek nepārtraukti, nevis noteiktos intervālos. Faktiskais latentums ir atkarīgs no jūsu datu plūsmas savienojuma; Sistēma pārskatāmi reģistrē apstrādes laikus, lai novirzes būtu izsekojamas.
Kā tiek glabāti un aizsargāti tirdzniecības dati?
Uzvedības un tirdzniecības dati tiek glabāti atsevišķi katram kontam un netiek apvienoti ar citiem kontiem. Piekļuve notiek tikai caur autentificētiem savienojumiem.
Kā modelis tiek apmācīts un atjaunināts?
Modelis pielāgo parametrus, pamatojoties uz jūsu pašu tirdzniecības vēsturi. Globālie modeļu atjauninājumi notiek atsevišķi un automātiski nemaina jūsu individuālo riska profilu.
Vai es varu saprast sistēmas pielāgojumus?
Katra parametra maiņa ir saistīta ar aktivizējošo novērojumu, un to var skatīt kontā. Automātiskā regulēšana neaizstāj dažādu paraugu manuālu pārbaudi.
Vai sistēma darbojas neatkarīgi no brokera?
Analīze ir balstīta uz ienākošajiem tirgus datiem un jūsu dokumentēto uzvedību, nevis uz kādu konkrētu brokeru infrastruktūru. Piekļuves ietvaros tiek pārbaudītas savienojuma tehniskās prasības.

Strukturēta riska analīze intuitīvu lēmumu vietā

Pieprasiet piekļuvi analīzes videi vai sākotnēji pārbaudiet sistēmu ar ierobežotu funkcionalitāti, lai pats izprastu pielāgošanas loģiku.