Kunara Celvili analysiert die Marktmikrostruktur in Echtzeit und ordnet KI-generierte Strategien nach Vorhersagevarianz und historischem Drawdown, sodass Kapital in Modelle mit einem nachgewiesenen risikoadjustierten Profil geleitet werden kann, anstatt in eine einzelne diskretionäre Entscheidung.
Kunara Celvili wurde als Infrastruktur für Händler entwickelt, die sich bereits mit der systematischen Ausführung auskennen, aber nicht die Zeit haben, Dutzende von Strategievarianten parallel zu testen und zu überwachen. Anstatt isolierte Signale auszugeben, bewertet die Plattform fortlaufend einen aktiven Pool von KI-generierten Strategien und legt die Parameter hinter jedem Ranking offen.
Die zugrunde liegende Engine wird für die Anforderungen des DACH-Marktes gepflegt, einschließlich lokaler Liquiditätsmuster während der Handelszeiten und der Datenlatenzbeschränkungen, die für die Ausführung an europäischen Handelsplätzen relevant sind.
Auftragsfluss, Cross-Asset-Korrelation und Makrodaten werden jetzt schneller aktualisiert, als ein einzelner Analyst sie in eine kohärente Position bringen kann. Ermüdung und Aktualitätsverzerrung verschlimmern das Problem über eine gesamte Handelssitzung hinweg, selbst für erfahrene Praktiker. Durch die algorithmische Ausführung wird die Unsicherheit nicht beseitigt, sie beseitigt jedoch die Inkonsistenz, die dadurch entsteht, dass um 9:00 Uhr und um 15:00 Uhr ein unterschiedlicher Schwellenwert auf dasselbe Setup angewendet wird.
| Dimension | Manuelle Analyse | Algorithmische Ausführung |
|---|---|---|
| Reaktionszeit auf neue Daten | Sekunden bis Minuten | Sekundenbruchteil, kontinuierlich |
| Exposition gegenüber emotionaler Voreingenommenheit | Vorhanden, variabel je nach Sitzung | Strukturell ausgeschlossen |
| Gleichzeitige Datenströme werden verarbeitet | Begrenzt durch die Aufmerksamkeitsspanne | Parallel, anlagenübergreifend |
| Konsistenz über Sitzungen hinweg | Schwankt je nach Müdigkeit | Wird durch feste Parameter gesteuert |
Die Engine gibt kein einziges Kauf- oder Verkaufssignal aus. Es wird eine geordnete Verteilung der Strategien ausgegeben, von denen jede über ein eigenes prädiktives Varianzband und eine eigene Drawdown-Historie verfügt, die der Benutzer überprüft, bevor er Kapital zuweist.
Die prädiktive Varianz und nicht Punktprognosen sind die primäre Ausgabe, die den Benutzern angezeigt wird. Ein Modell, das einen einzelnen zukünftigen Preis vorhersagt, stellt eine Behauptung auf, die schwer zu validieren ist; Ein Modell, das eine Verteilung plausibler Ergebnisse vorhersagt, kann mit realisierten Ergebnissen im Zeitverlauf verglichen werden. Dies ist die Grundlage für die Rangfolge der Strategien auf dieser Plattform.
Beim Copy-Trading auf Kunara Celvili wird einer bestimmten KI-Strategie aus dem Ranglisten-Pool ein definierter Anteil des Kapitals zugewiesen, wobei die Ausführung automatisch innerhalb der Parameter erfolgt, unter denen diese Strategie getestet wurde.
Durchsuchen Sie aktive KI-Strategien, sortiert nach risikobereinigter Rendite, Trailing Drawdown und prädiktivem Varianzband.
Öffnen Sie eine Strategie, um ihr Backtesting-Fenster, die Sharpe-Ratio-Berechnung und die Anlageklassen anzuzeigen, mit denen sie handelt.
Legen Sie eine Positionsgröße als festen Prozentsatz Ihres Kontos fest, wobei die maximalen Risikogrenzen automatisch angewendet werden.
Verfolgen Sie die Live-Ausführung anhand der Backtest-Erwartung und reduzieren oder pausieren Sie die Zuteilung, wenn die Abweichung den angegebenen Bereich überschreitet.
Jede Strategie wird mithilfe einer Walk-Forward-Methodik anhand historischer Auftragsbuch- und Preisdaten bewertet. Das bedeutet, dass das Modell in aufeinanderfolgenden Zeitblöcken anhand von Daten getestet wird, auf denen es nicht trainiert wurde. Dadurch soll die Überanpassung auf einen einzigen historischen Zeitraum beschränkt werden. Backtest-Ergebnisse werden mit dem genauen Datumsbereich und dem verwendeten Asset-Universum gekennzeichnet und von jeglicher Live-Forward-Performance-Verfolgung, die im Dashboard angezeigt wird, getrennt gehalten.
Die Latenz hängt vom Veranstaltungsort und der Anlageklasse ab und wird pro Strategie als gleitender Durchschnitt angezeigt. Die Engine ist darauf ausgelegt, die Lücke zwischen Modellausgabe und Auftragserteilung zu minimieren, die Bedingungen auf Netzwerk- und Brokerseite bleiben jedoch außerhalb der direkten Kontrolle der Plattform.
Die Modelle erfassen Preis- und Orderbuchdaten von angeschlossenen Handelsplätzen sowie makroökonomische Veröffentlichungsdaten und Volatilitätsindizes. In der Dokumentation jeder Strategie wird das spezifische Datenuniversum aufgeführt, anhand dessen sie trainiert und getestet wurde.
Die Integration erfolgt über eine verbundene Brokerage-API. Benutzer behalten die Verwahrung ihrer Gelder bei ihrem eigenen Broker; Kunara Celvili sendet Zuteilungs- und Ausführungsanweisungen, hält jedoch kein Kundenkapital direkt.
Ja. Mehrere Strategien können gleichzeitig ausgeführt werden, vorbehaltlich der Korrelationsprüfung, die die kombinierte Exposition gegenüber ähnlichen Risikofaktoren im gesamten aktiven Pool begrenzt.
Wenn die Live-Varianz das angegebene Vorhersageband der Strategie über einen definierten Schwellenwert hinaus überschreitet, wird die Zuordnung zu dieser Strategie bis zur Überprüfung automatisch angehalten und das Ereignis für den Benutzer protokolliert.
Fordern Sie eine Protokollübersicht an, um die Backtesting-Dokumentation, Parameterdefinitionen und den aktuellen Strategiepool einzusehen, bevor Sie ein Live-Konto verbinden.
Lesen Sie die Methodik