Vlondanaru analizuje dane rynkowe w czasie rzeczywistym i dynamicznie dostosowuje poziomy stop loss w oparciu o zmienność. Modele predykcyjne zastępują sztywne zasady adaptacyjnymi limitami ryzyka.
Poproś o dostęp terazStatyczne stop-loss opierają się na stałych wartościach procentowych lub mnożnikach ATR. Nie biorą pod uwagę krótkoterminowych zmian reżimu. W fazach niestabilnych dochodzi do nieproporcjonalnych wypłat, szczególnie w przypadku pozycji lewarowanych.
Ilustrujące porównanie zasad funkcjonalnych. Brak informacji o wynikach historycznych.
Odległość stop-loss jest stale przeliczana na podstawie danych klastra zmienności, a nie sztywnego przedziału czasowego.
Modele szacują prawdopodobieństwo wycofania się, zanim ono nastąpi, i zapewniają skorygowany limit ryzyka, zanim cena go osiągnie.
Model klasyfikacji rozróżnia fazy trendu, zakresu i odwrócenia oraz wybiera odpowiednią logikę zabezpieczenia dla każdej fazy.
Przetwarzanie sygnałów i aktualizacja zamówień przebiegają w zakresie milisekund, co jest istotne w przypadku strategii skalpowania i śróddziennych.
Podgląd: każda mapa pozycji pokazuje aktualnie obliczoną odległość zatrzymania, podstawowy reżim rynkowy i znacznik czasu ostatniej korekty modelu.
Dane dotyczące cen, wolumenów i księgi zamówień są rejestrowane i normalizowane równolegle w kilku oknach czasowych.
Wskaźniki zmienności, dynamiki i płynności pochodzą z surowych danych.
Wyszkolony model szacuje prawdopodobieństwo wystąpienia wypłaty w następnym kroku czasowym.
Znacznik stop loss jest resetowany i przekazywany do warstwy realizacji zleceń.
Logika systemu Stop Loss dostosowuje się do okresu utrzymywania i rytmu realizacji danej strategii.
W przypadku pozycji z zakresu od sekundy do minuty system reaguje na mikrozmienność i brak równowagi w księdze zamówień.
Dla pozycji wielodniowych model uwzględnia większe okna czasowe i zdarzenia makroekonomiczne.
Vlondanaru został zaprojektowany dla użytkowników, którzy chcą zrozumieć decyzje algorytmiczne. Każda korekta poziomu stop-loss jest rejestrowana i powiązana z sygnałem modelu bazowego. Platforma nie zastępuje decyzji handlowej, ale raczej zapewnia dodatkowy, oparty na danych limit ryzyka.
Model przetwarza dane dotyczące notowań, głębokości księgi zamówień i historyczne profile zmienności odpowiedniego instrumentu. Kalendarze wydarzeń makroekonomicznych są uwzględnione jako dodatkowy czynnik kontekstowy.
Ponowne obliczenie opiera się na zdarzeniach i jest spowodowane znaczącymi zmianami zmienności lub płynności, a nie według sztywnego przedziału czasowego.
Tak. Użytkownicy mogą zdefiniować górne i dolne granice, w jakich system może pracować. Pełna ręczna kontrola pozostaje możliwa w dowolnym momencie.
Obecnie Vlondanaru obsługuje płynne kontrakty futures i pary walutowe z wystarczającą głębokością danych historycznych do stabilnego szkolenia modeli.
Modele są stale sprawdzane na podstawie danych spoza próby. Odchylenia pomiędzy prognozą a rzeczywistym przebiegiem są dokumentowane i uwzględniane w kolejnej iteracji szkoleniowej.
Informacje techniczne dla programistów: Poproś o dokumentację API