预测市场分析
这些模型使用历史序列和实时市场数据进行训练，识别重复出现的模式并生成有关资产行为的概率预测（而不是确定性）。
背景
不同的时区、不稳定的连接和不规律的工作安排使得定期监控市场变得困难。手动分析需要时间和持续的关注——对于那些独立工作和经常移动的人来说资源有限。
它是如何运作的
该系统结合了数据处理、风险评估和自动化执行。每个组件都有特定的功能并且可以独立审核。
这些模型使用历史序列和实时市场数据进行训练，识别重复出现的模式并生成有关资产行为的概率预测（而不是确定性）。
每个建议都会根据风险限额、历史波动性和资产之间的相关性进行评估，然后在用户定义的配置文件中作为可行的选项呈现。
一旦策略获得批准，执行就会遵循预定义的规则。用户保持对已执行订单的完全可见性，并可以随时调整或中断流程。
方法论
策略选择过程遵循固定和记录的标准，一致地应用于平台上的所有可用策略。
市场数据、历史表现和波动性指标从多个来源不断更新。
每个可用于跟单的策略均会进行历史一致性、最大回撤以及与其他头寸的相关性分析。
与用户定义的风险状况兼容的策略及其各自的指标一起呈现。
选择后，策略的操作将根据分配的资本按比例复制，并自动调整仓位。
没有任何预测模型可以消除市场风险。策略的历史表现并不能保证未来的结果，所有最终决策仍由用户控制。
实际应用
对于那些依靠投资收益来维持没有固定地点的生活方式的人来说，首要任务是在不放弃对所承担风险的控制的情况下减少管理时间。
手动重新平衡多元化的投资组合需要定期的纪律，而这在不规则的工作时间表中很难维持。该系统监控与定义的目标重量的偏差，并在超出限制时提出调整建议。
常见问题解答
每个可用策略都会根据历史波动性、最大记录回撤和每项资产的敞口进行评估。您可以在激活任何复制之前设置风险限制，这些限制将在执行期间自动应用。
该平台遵循符合金融部门适用要求的数据安全实践，包括敏感信息加密以及分析数据和访问凭证之间的分离。完整的文档中提供了具体的技术细节。
流动性条件取决于策略类型和基础工具。高流动性资产的策略允许在短期内平仓；其他人可能有特定的限制，在订阅前明确指出。
没有一个预测模型能够保证所有预测都是正确的。风险管理引擎通过每个头寸的最大风险敞口规则来限制错误预测的影响，从而减少单一决策中损失的集中度。