Kmgymqueen analizira tržišne podatke uživo kako bi odredio, smjestio i ponovno kalibrirao stop-loss razine prije nego što volatilnost preraste u gubitak. Izgrađen za trgovce koji rizik tretiraju kao parametar kojim treba upravljati, a ne kao osjećaj koji treba podnijeti.
Renderirani prikaz: površina volatilnosti prekrivena dubinom knjige naloga uživo, ažurirana po tikovima za sve nadzirane instrumente.
Ručno upravljanje zaustavljanjem gubitaka ovisi o trgovcu koji primjećuje, odlučuje i djeluje unutar okvira koji tržišta rijetko daju. Pod pritiskom se taj prozor dodatno sužava: pozicije se zadržavaju nakon točke poništenja ili se zatvaraju prerano zbog buke, a ne zbog signala.
Rezultat je asimetričan ishod. Gornja strana je ograničena oklijevanjem; loša strana je proširena istim oklijevanjem. Kmgymqueen je napravljen kako bi uklonio to zaostajanje u lancu odlučivanja bez uklanjanja trgovčeve kontrole nad strategijom.
Mjereno u sekundama ljudskog odgovora — tržišta mijenjaju cijenu u milisekundama
Kontinuirano se procjenjuju korelirane izloženosti po otvorenim pozicijama. Tamo gdje zaštita smanjuje rizik neto portfelja bez iskrivljavanja izvorne teze, ona se predlaže ili provodi u skladu s konfiguriranom razinom ovlaštenja računa.
Izvršenje naloga simulira se u odnosu na trenutne i nedavne uvjete likvidnosti prije podnošenja, tako da razine zaustavljanja i ograničenja odražavaju realne cijene ispunjenja, a ne teoretske.
Dubina knjige naloga i ponašanje širenja prate se po instrumentu, prilagođavajući položaj zaustavljanja kako bi se izbjegle zone niske likvidnosti koje bi inače pretjerano smanjile vrijednost pri izlasku.
Pametni sustav zaustavljanja gubitaka radi kao niz diskretnih koraka koji se mogu revidirati, a ne kao jedan statički prag. Svaki korak sužava raspon prihvatljivih ishoda prije nego što se pozicija izloži daljnjem riziku.
Svaka faza radi neovisno, tako da se kašnjenje ili anomalija u jednom sloju ne širi tiho u postavljanje narudžbe — sustav zadržava poziciju umjesto da djeluje na nepotpune podatke.
Kmgymqueen se ne oslanja na odabrane priče o uspjehu kako bi dokazao svoj slučaj. Vrijednost platforme počiva na tome kako se obučavaju i upravljaju njezini modeli, a mi bismo to radije jasno rekli nego implicirali izvedbu kroz svjedočanstvo.
Prediktivni modeli treniraju se na povijesnim i tekućim tržišnim podacima s mjesta na kojima se trguje na određenom računu, ponovno se kalibriraju na tekućoj osnovi, a ne ostaju statični. Nijedan model nije predstavljen kao nepogrešiv: svaku automatiziranu radnju moguće je pregledati, a vlasnik računa može prilagoditi svaki prag.
Sustav je izgrađen u slojevima: sloj unosa podataka normalizira feedove po mjestima; sloj bodovanja primjenjuje modele volatilnosti i likvidnosti po instrumentu; a izvršni sloj prevodi rezultat bodovanja u upute za narudžbu, vezane ograničenjima rizika samog računa.
Svaki je sloj dizajniran da se ne zatvori. Ako sloj bodovanja ne može proizvesti pouzdan izlaz, izvršni sloj ne djeluje prema zadanoj pretpostavci — on čuva postojeći položaj i označava prazninu za pregled.
Pristup Kmgymqueen-u dodijeljen je po aplikaciji, a ne otvoren za javno tržište. To omogućuje da se parametri rizika svakog računa namjerno postave, umjesto da se zadani.
Zatraži pristupPodacima se postupa prema britanskom zakonu o zaštiti podataka. Prijave se pregledaju pojedinačno; nijedna odluka o automatskom uključivanju ne donosi se bez pregleda.