静态止损基于固定百分比或 ATR 乘数。他们不考虑短期的政权更迭。在波动阶段，会发生不成比例的回撤，尤其是杠杆头寸。
功能原理的说明性比较。无历史业绩信息。
止损距离是根据波动率集群数据不断重新计算的，而不是刚性的时间间隔。
模型会在回调发生之前估计回调的可能性，并在价格达到回调之前提供调整后的风险限额。
分类模型区分趋势、区间和反转阶段，并为每个阶段选择合适的对冲逻辑。
信号处理和订单更新在毫秒范围内运行，与剥头皮和日内策略相关。
预览：每个仓位图显示当前计算的止损距离、基础市场状况以及上次模型调整的时间戳。
价格、交易量和订单簿数据在多个时间窗口内并行记录和标准化。
波动性、动量和流动性指标均来自原始数据。
经过训练的模型估计下一个时间步发生回撤的概率。
止损标记被重置并传递到订单执行层。
止损系统的逻辑适应各自策略的持有期限和执行节奏。
对于秒到分钟范围内的头寸，系统会对微波动和订单簿不平衡做出反应。
对于多日头寸，该模型考虑了更大的时间窗口和宏观经济事件。
Vlondanaru 专为想要了解算法决策的用户而设计。每个止损水平调整都会被记录并链接到基础模型信号。该平台不会取代交易决策，而是提供额外的、数据驱动的风险限制。
该模型处理相应工具的报价数据、订单簿深度和历史波动率概况。宏观经济事件日历作为额外的背景因素包括在内。
重新计算是基于事件的，由波动性或流动性的重大变化触发，而不是按照严格的时间间隔。
是的。用户可以定义允许系统运行的上限和下限。随时可以进行完全手动控制。
目前，Vlondanaru支持具有足够历史数据深度的流动性期货和外汇对，以进行稳定的模型训练。
根据样本外数据不断验证模型。预测和实际过程之间的偏差被记录下来并纳入下一次训练迭代中。
开发者技术参考： 索取API文档