Uz nākotni vērsta signālu sintēze
Stohastiskā modelēšana, kas tiek izmantota vairāku aktīvu cenu un apjoma datu virsmām, maina iespējamo virzienu un nepastāvību, pirms to cena ir pilnībā noteikta, dodot jums vairāk laika izlemt, nevis reaģēt.
Reef Anlagris apstrādā reāllaika tirgus datus un nepārtraukti pārkalibrē atbilstoši jūsu riska tolerancei, nodrošinot jums tādu adaptīvu riska pārvaldību, kas iepriekš bija rezervēta iestāžu galdiem.
Izpētiet platformuPrivātie investori mūsdienās saskaras ar lielu datu apjomu, kas kādreiz bija vienīgais institucionālo tirdzniecības biroju rūpes. Cenu plūsmas, noskaņojuma signāli un makro izlaidumi tiek saņemti nepārtraukti, bieži vien ir pretrunā viens otram vienas stundas laikā.
Reef Anlagris tika izveidots, pamatojoties uz vienkāršu novērojumu: ierobežojums nav piekļuve datiem, tā ir spēja tos mierīgi un konsekventi sintezēt, neļaujot īstermiņa emocijām pārspēt ilgtermiņa plānu.
Nogurums un nesenie zaudējumi sagroza pozīcijas lielumu un izejas laiku, bieži vien tirgotājam to nepamanot.
Cenu darbība, pasūtījumu plūsma un ziņu noskaņojums parasti ir atsevišķos rīkos, tāpēc ir grūti uzturēt vienotu informāciju par risku.
Nepastāvības režīmi var mainīties dažu minūšu laikā, atstājot manuālās pārskatīšanas procesus konsekventi soli atpaliekot.
Tā vietā, lai katram kontam piemērotu fiksēta riska formulu, Reef Anlagris modelis ņem vērā, kā jūs faktiski rīkojaties: kur jums ir tendence iziet, cik tālu jūs ļaujat pozīcijai darboties un kādi apstākļi parasti ir pirms lieluma samazināšanas.
Laika gaitā šis uzvedības ieraksts tiek salīdzināts ar ienākošajiem nepastāvības datiem, lai prognozējošie brīdinājumi tiktu izdoti pirms apstākļiem, kas vēsturiski ir bijuši nozīmīgi jūsu tirdzniecībai, nevis vispārējam tirgus vidējam rādītājam. Modelis tiek nepārtraukti apmācīts, nevis pēc noteikta grafika, tāpēc tas pielāgojas jūsu pieejai.
Stohastiskā modelēšana, kas tiek izmantota vairāku aktīvu cenu un apjoma datu virsmām, maina iespējamo virzienu un nepastāvību, pirms to cena ir pilnībā noteikta, dodot jums vairāk laika izlemt, nevis reaģēt.
Atpakaļ pārbaudīta heiristika, kas kalibrēta atbilstoši jūsu pašu tirdzniecības ierakstiem, informē pozīcijas lielumu un apturēšanas izvietošanas ieteikumus, kas ir piemēroti jūsu demonstrētajai tolerancei pret izņemšanu.
Rīkojumu grāmatas un starpības nosacījumi tiek novērtēti reāllaikā, atzīmējot mirkļus, kad izpildes risks ir paaugstināts, lai ieiešanas un iziešanas laiku varētu noteikt ar lielāku precizitāti.
Tirgus dati, pasūtījumu plūsma un jūsu vēsturiskā tirdzniecības darbība tiek iegūta, izmantojot šifrētus kanālus, un konta līmeņa dati tiek loģiski nodalīti no kopējām tirgus datu kopām.
Adaptīvais modelis salīdzina ienākošos signālus ar jūsu uzvedības profilu, izmantojot atpakaļpārbaudītu heiristiku, lai identificētu apstākļus, kuriem jāpievērš lielāka uzmanība.
Secinājumi ir sniegti kā skaidrs ieteikums ar apstiprinošu pamatojumu. Jūs joprojām esat galvenais lēmumu pieņēmējs; sistēma darbojas kā izsmalcināts otrais pilots, nevis autonoms izpildītājs.
Reef Anlagris ir paredzēts, lai tas darbotos līdzās esošajiem starpniecības un diagrammu izveides iestatījumiem, nevis to aizstātu. Dati tiek uzņemti, izmantojot standarta API savienojumus, un ieteikumi tiek piegādāti, izmantojot platformas saskarni, lai jūs varētu optimizēt savu pašreizējo darbplūsmu, nepārvietojot visu rīku ķēdi.
Visi dati tiek šifrēti, un konta līmeņa tirdzniecības vēsture tiek loģiski nošķirta no plašākām tirgus datu kopām, ko izmanto, lai apmācītu vispārējo modeļa komponentus. Mēs neizpaužam atsevišķus tirdzniecības ierakstus ar trešajām pusēm, un jūs jebkurā laikā varat pieprasīt savu vēsturisko datu dzēšanu.
Jā. Modeļa sākuma parametrus var pielāgot, lai atspoguļotu vēlamo riska griestus, tirgotos instrumentus un tipisko turēšanas periodu. Pēc tam mācību cilpa turpina pilnveidot savus ieteikumus, pamatojoties uz jūsu realizēto uzvedību, tāpēc pielāgošana ir gan sākotnējais iestatījums, gan nepārtraukts, adaptīvs process.
Pārskatiet metodoloģiju, pārbaudiet, kā tiek apmācīta mācību cilpa, un izlemiet, vai adaptīvam riska modelim ir vieta jūsu pašreizējā procesā.