Kmgymqueen rozhraní analýzy rizik v reálném čase zobrazené na tmavém obchodním pracovním prostoru
Riziková infrastruktura řízená umělou inteligencí

Zmírnění čerpání navržené pomocí prediktivního modelování stop-loss

Kmgymqueen analyzuje živá tržní data, aby určila velikost, umístila a překalibrovala úrovně stop-loss předtím, než se volatilita sloučila do ztráty. Vytvořeno pro obchodníky, kteří považují riziko za parametr, který je třeba řídit, nikoli za pocit, který je třeba vydržet.

Vykreslený pohled: povrch volatility překrytý na živé hloubce knihy objednávek, aktualizován po ticku napříč sledovanými nástroji.

Volatilita nečeká na přesvědčení

Manuální řízení stop-loss závisí na obchodníkovi, který si všimne, rozhodne se a bude jednat v rámci okna, které trhy málokdy poskytují. Pod tlakem se toto okno dále zužuje: pozice jsou drženy za bodem zneplatnění nebo jsou uzavřeny příliš brzy na šum spíše než na signál.

Výsledkem je asymetrický výsledek. Nahoru zakrývá váhání; nevýhodu rozšiřuje stejné zaváhání. Kmgymqueen byl vytvořen tak, aby odstranil toto zpoždění z rozhodovacího řetězce, aniž by obchodníkovi odstranil kontrolu nad strategií.

Typická mezera mezi signálem a ruční akcí

Měřeno v sekundách lidské reakce – tržní cena v milisekundách

Tři systémy pracující na stejném rizikovém povrchu

01

Automatizované zajištění

Korelované expozice napříč otevřenými pozicemi jsou průběžně vyhodnocovány. Pokud zajištění snižuje riziko čistého portfolia bez zkreslení původní teze, je navrženo nebo provedeno podle nastavené úrovně oprávnění účtu.

02

Prediktivní modelování skluzu

Realizace příkazu je simulována proti aktuálním a nedávným podmínkám likvidity před odesláním, takže úrovně stop a limitů odrážejí spíše realistické ceny plnění než teoretické.

03

Dynamická analýza likvidity

Hloubka knihy objednávek a chování rozpětí jsou sledovány pro každý nástroj, přičemž se upravuje umístění zastávek, aby se předešlo zónám s nízkou likviditou, které by jinak přeháněly čerpání při výstupu.

Ukázněný proces, bez jediného spouštěče

Inteligentní systém stop-loss běží spíše jako sekvence diskrétních, auditovatelných kroků než jako jediný statický práh. Každý krok zužuje rozsah přijatelných výsledků, než je pozice vystavena dalšímu riziku.

  1. Příjem dat
    Údaje o ceně, objemu a knize objednávek jsou získávány z připojených míst na nepřetržitém zdroji, normalizovány podle nástrojů a časových rámců.
  2. Bodování volatility
    Každý nástroj je hodnocen podle svého nedávného chování, nikoli podle pevného univerzálního pásma, takže prahové hodnoty odrážejí aktuální, nikoli historické podmínky.
  3. Kalibrace prahu
    Stop distance se přepočítává podle skóre volatility a rizikových parametrů účtu, přičemž se rozšiřuje nebo zpřísňuje podle změny podmínek.
  4. Provedení a revize
    Objednávky jsou zadávány s cenou upravenou proti skluzu a každá úprava je zaprotokolována pro poobchodní kontrolu oproti původní tezi.
Logický tok — schéma
Živý tržní zdroj
↓
Hodnocení volatility a likvidity
↓
Zastavit rekalibraci prahu
↓
Prováděcí vrstva

Každá fáze funguje nezávisle, takže zpoždění nebo anomálie v jedné vrstvě se tiše nerozšíří do umístění objednávky – systém spíše drží pozici, než by reagoval na neúplná data.

Rekalibrační kadence Nepřetržitě, za každé zaškrtnutí
Zdroje dat Krmení pro více míst
Rozsah rozhodnutí Na nástroj
Auditní stopa Zaznamenáno podle úpravy

Jak jsou modely stavěny a na čem jsou postaveny

Kmgymqueen se nespoléhá na kurátorské příběhy úspěšných, aby se prosadily. Hodnota platformy závisí na tom, jak jsou její modely trénovány a řízeny, a raději bychom to řekli otevřeně, než abychom naznačovali výkon prostřednictvím doporučení.

Prediktivní modely jsou trénovány na historických a streamovaných tržních datech z míst, na kterých se daný účet obchoduje, a jsou rekalibrovány na průběžné bázi, nikoli ponechány statické. Žádný model není prezentován jako neomylný: každá automatická akce zůstává kontrolovatelná a každý práh zůstává nastavitelný majitelem účtu.

  • Údaje o trhu pocházejí přímo z propojených burz a míst likvidity, nikoli z agregačních vrstev třetích stran s neznámou latencí.
  • Výstupy modelu jsou verzovány, takže každou změnu v chování stop-loss lze vysledovat ke konkrétní rekalibrační události.
  • Žádná obchodní data klientů se nepoužívají k trénování modelů pro jiné účty bez výslovného, ​​samostatného souhlasu.

Shrnutí architektury

Systém je postaven ve vrstvách: vrstva příjmu dat normalizuje kanály napříč místy; scoringová vrstva aplikuje modely volatility a likvidity na nástroj; a prováděcí vrstva převádí výstup bodování do příkazů k příkazům, které jsou vázané na vlastní rizikové limity účtu.

Každá vrstva je navržena tak, aby selhala. Pokud skórovací vrstva nemůže vytvořit spolehlivý výstup, prováděcí vrstva nejedná podle výchozího předpokladu – zachová stávající pozici a označí mezeru ke kontrole.

Kmgymqueen inženýrské pracovní prostředí používané k vývoji a revizi prediktivních modelů rizik

Před připojením účtu zkontrolujte systém

Přístup k Kmgymqueen je poskytován na základě aplikace, nikoli otevřen pro veřejný trh. To umožňuje, aby byly rizikové parametry každého účtu nastaveny záměrně, nikoli výchozí.

Žádost o přístup

Údaje zpracovávané podle zákona o ochraně osobních údajů Spojeného království. Žádosti jsou posuzovány individuálně; žádné automatické rozhodnutí o registraci není učiněno bez kontroly.