01
实时模式识别
价格和订单流模式与所有关联交易所形成时的历史先例相匹配，而不是在蜡烛收盘后。匹配会以置信度分数显示，而不是保证。
统一智能
一个数据流而不是十二个打开的选项卡
大多数日间交易者都会跟踪多个交易所的头寸，每个交易所都有自己的 API 格式、速率限制和延迟配置文件。 STOCK-XTRADER PRO 摄取这些碎片数据，根据共享模式对其进行标准化，并将其输入单个预测层 - 因此您看到的信号已经考虑了场地之间的差异。
- —低延迟 API 摄取： 市场数据是连续提取的，而不是按固定时间间隔进行轮询，从而减少了事件与其在仪表板中出现之间的差距。
- —标准化数据结构： 价格、深度和交易量字段在分析之前已在各个交易所进行标准化，因此比较仍然准确。
- —单一协调层： 不同地点的重复或冲突的报价都会被标记出来，而不是默默地平均。
核心能力
三种功能，一个连续反馈循环
分析确定正在发生的情况，优化测试可行的方法，并降低风险限制可能出现的问题。每个函数都从上述相同的标准化数据流中读取。
02
使用综合数据进行策略回测
在策略触及实时资本之前，它会针对根据历史波动性和流动性条件构建的合成市场情景进行运行，这有助于暴露仅靠干净的历史数据就能隐藏的弱点。
03
自动对冲建议
当给定资产或交易所的风险敞口超过您定义的阈值时，平台会建议抵消头寸并标记突破限额 - 交易本身始终由您执行，而不是由系统执行。
方法论
数据勾选和推荐之间会发生什么
我们详细描述这个周期，因为“信任模型”对于管理真实资本的交易者来说并不是一个充分的答案。
步骤1
数据摄取
来自每个连接交易所的订单簿、交易和交易量数据被并行提取并在到达时加上时间戳，然后通过前面描述的标准化层。
步骤2
神经网络过滤
标准化流由在历史多交换数据上训练的模型进行评分，过滤具有统计先例的模式并丢弃不满足最小置信度阈值的噪声。
步骤3
可操作的输出
幸存的信号会转换为排名建议（进场、出场或对冲），并附上推理和置信度分数，因此采取行动的决定仍然由您决定。
关于“黑匣子”的担忧： 每个建议都与产生该建议的数据点和置信度分数一起显示。原始市场数据和平台的定制建议始终以两个不同的、明确标记的输出形式呈现。
使用案例
针对不同的时间范围、相同的数据基础而构建
基础分析引擎在配置文件之间不会发生变化 - 仅调整阈值、报告节奏和推荐格式。
机构投资者
风险限额和对冲规则在桌面层面配置一次，并在资产类别和交易所之间一致应用，并对向交易者显示的每项建议进行审计跟踪。
- 记录数据处理实践以支持内部合规性审查，包括德国联邦金融监管局对欧盟交易部门的相关记录保存期望。
- 在策略被批准实际使用之前，可以导出回测报告以供风险委员会审查。
活跃日内交易者
模式识别在市场交易时间内持续运行，提供高频决策支持，而无需您单独监控每个交易选项卡。
- 警报按置信度分数（而不仅仅是频率）进行排名，以减少不稳定会话期间的噪音。
- 所有连接交易所的头寸级别风险敞口都可以在一个综合视图中看到。
投资组合经理
长期再平衡建议是根据所持资产的趋势和相关性变化而产生的，而不仅仅是短期价格变动。
- 风险缓解产出侧重于投资组合层面的风险敞口限制，而不是单一交易对冲。
- 报告间隔可以设置为每日或每周周期，以匹配长期任务。
常见问题解答
直接回答交易者首先提出的问题
交易和账户数据如何受到保护？
传输中和静态的数据均经过加密，STOCK-XTRADER PRO 根据适用于德国和更广泛的欧盟用户的 GDPR 要求处理个人和交易数据。连接交易所的账户凭据与分析数据分开存储，未经您自己的交易所账户设置中的明确授权，绝不会用于代表您进行交易。
可以集成哪些交换和数据源？
该平台通过规范化的摄取层连接到主要交易所 API，这意味着可以添加新的交易所，而无需更改数据在仪表板中的显示方式。集成深度（只读市场数据与账户级数据）取决于您授予每个连接的 API 密钥的权限。
人工智能模型的准确度如何？如何解决偏见？
模型在历史多交易数据上进行训练，并在部署前根据样本外时间段进行评估，每个建议都附有置信度分数，而不是单个通过/失败信号。审查培训数据是否过度代表特定市场制度或资产类别，以限制可能不会重复的情况的偏差。
加入下一代数据驱动的投资者
请求沙箱访问权限以连接只读交换源并在投入任何资金之前查看实时建议。
初始沙盒访问不需要信用卡。