Kmgymqueen analizuje aktualne dane rynkowe w celu określenia rozmiaru, umiejscowienia i ponownej kalibracji poziomów stop-loss, zanim zmienność przekształci się w stratę. Stworzony dla traderów, którzy traktują ryzyko jako parametr, którym należy zarządzać, a nie uczucie, które należy znieść.
Widok renderowany: powierzchnia zmienności nałożona na głębokość księgi zamówień na bieżąco, aktualizowana co tick dla monitorowanych instrumentów.
Ręczne zarządzanie stop-lossem zależy od tego, czy inwestor zauważy, podejmie decyzję i podejmie działanie w ramach okna, które rynek rzadko zapewnia. Pod presją to okno jeszcze bardziej się zawęża: pozycje są utrzymywane powyżej punktu unieważnienia lub zamykane zbyt wcześnie ze względu na szum, a nie sygnał.
Rezultatem jest asymetryczny wynik. Zaletą jest wahanie; Minus jest przedłużony przez to samo wahanie. Kmgymqueen został zbudowany, aby usunąć to opóźnienie z łańcucha decyzyjnego bez usuwania kontroli tradera nad strategią.
Reakcja człowieka mierzona w sekundach — cena rynkowa w milisekundach
Skorelowane ekspozycje na otwartych pozycjach są poddawane ciągłej ocenie. Jeżeli zabezpieczenie zmniejsza ryzyko portfela netto bez zniekształcania pierwotnej tezy, jest ono proponowane lub realizowane zgodnie z poziomem uprawnień skonfigurowanym na rachunku.
Wykonanie zlecenia jest symulowane na podstawie bieżących i ostatnich warunków płynności przed złożeniem, więc poziomy stop i limit odzwierciedlają realistyczne ceny wypełnienia, a nie teoretyczne.
Głębokość księgi zamówień i zachowanie spreadów są śledzone dla każdego instrumentu, dostosowując rozmieszczenie stopów, aby uniknąć stref o niskiej płynności, które w przeciwnym razie spowodowałyby nadmierne wypłaty przy wyjściu.
Inteligentny system stop-loss działa jako sekwencja dyskretnych, podlegających kontroli kroków, a nie jako pojedynczy statyczny próg. Każdy krok zawęża zakres akceptowalnych wyników, zanim pozycja zostanie narażona na dalsze ryzyko.
Każdy etap działa niezależnie, więc opóźnienie lub anomalia w jednej warstwie nie przekłada się po cichu na składanie zamówienia — system utrzymuje pozycję, zamiast działać na niekompletnych danych.
Kmgymqueen nie opiera się na wybranych historiach sukcesu, aby uzasadnić swoją tezę. Wartość platformy opiera się na sposobie szkolenia i zarządzania jej modelami, dlatego wolelibyśmy to wyraźnie stwierdzić, niż sugerować wydajność poprzez referencje.
Modele predykcyjne są szkolone na historycznych i strumieniowych danych rynkowych z miejsc, w których dokonuje się transakcji na danym koncie, i są ponownie kalibrowane na bieżąco, a nie pozostawiane w stanie statycznym. Żaden model nie jest przedstawiany jako nieomylny: każde zautomatyzowane działanie można sprawdzić, a każdy próg może regulować właściciel konta.
System składa się z warstw: warstwa pozyskiwania danych normalizuje przepływ danych w różnych miejscach; warstwa scoringowa stosuje modele zmienności i płynności dla każdego instrumentu; a warstwa wykonania przekłada dane wyjściowe scoringu na instrukcje dotyczące zleceń, ograniczone własnymi limitami ryzyka konta.
Każda warstwa jest zaprojektowana tak, aby nie została zamknięta. Jeśli warstwa oceniania nie może wygenerować pewnych danych wyjściowych, warstwa wykonawcza nie działa zgodnie z domyślnym założeniem — zachowuje istniejącą pozycję i zaznacza lukę do przeglądu.
Dostęp do Kmgymqueen jest przyznawany dla każdej aplikacji, a nie udostępniany na rynku publicznym. Dzięki temu parametry ryzyka każdego konta można ustawić celowo, a nie domyślnie.
Poproś o dostępDane przetwarzane zgodnie z brytyjskim prawem o ochronie danych. Zgłoszenia rozpatrywane są indywidualnie; żadna zautomatyzowana decyzja dotycząca wdrożenia nie jest podejmowana bez sprawdzenia.