Kunara Celvili analyse la microstructure du marché en temps réel et classe les stratégies générées par l'IA par variance prédictive et historique de prélèvement, afin que les capitaux puissent être acheminés vers des modèles avec un profil ajusté au risque démontré au lieu d'un seul appel discrétionnaire.
Kunara Celvili a été conçu comme une infrastructure pour les traders qui comprennent déjà l'exécution systématique mais qui n'ont pas le temps de tester et de surveiller des dizaines de variantes de stratégie en parallèle. Au lieu d’émettre des signaux isolés, la plateforme classe un pool actif de stratégies générées par l’IA sur une base continue et expose les paramètres derrière chaque classement.
Le moteur sous-jacent est maintenu pour répondre aux exigences du marché DACH, y compris les modèles de liquidité locaux aux heures de négociation et les contraintes de latence des données pertinentes pour l'exécution sur les plateformes européennes.
Le flux des commandes, la corrélation entre les actifs et les données macro se mettent désormais à jour plus rapidement qu’un seul analyste ne peut les rapprocher en une position cohérente. La fatigue et les biais de récence aggravent le problème sur une séance de trading complète, même pour les praticiens expérimentés. L'exécution algorithmique ne supprime pas l'incertitude, mais elle supprime l'incohérence résultant de l'application d'un seuil différent à la même configuration à 9h00 et à 15h00.
| Dimensions | Analyse manuelle | Exécution algorithmique |
|---|---|---|
| Temps de réaction aux nouvelles données | Secondes à minutes | Sous-seconde, continu |
| Exposition à des préjugés émotionnels | Présent, variable selon les séances | Structurellement exclu |
| Flux de données simultanés traités | Limité par la capacité d’attention | Parallèle, multi-actifs |
| Cohérence entre les sessions | Fluctue avec la fatigue | Régi par des paramètres fixes |
Le moteur n’émet aucun signal d’achat ou de vente. Il génère une distribution classée de stratégies, chacune comportant sa propre bande de variance prédictive et son propre historique de prélèvement, que l'utilisateur examine avant d'allouer du capital.
La variance prédictive, et non les prévisions ponctuelles, est le principal résultat présenté aux utilisateurs. Un modèle qui prédit un prix futur unique fait une affirmation difficile à valider ; un modèle qui prédit une distribution de résultats plausibles peut être comparé aux résultats obtenus au fil du temps, ce qui constitue la base du classement des stratégies sur cette plateforme.
Le copy-trading sur Kunara Celvili signifie allouer une part définie du capital à une stratégie d'IA spécifique à partir du pool classé, avec une exécution gérée automatiquement dans les paramètres selon lesquels la stratégie a été testée.
Parcourez les stratégies d'IA actives triées par rendement ajusté au risque, baisse finale et bande de variance prédictive.
Ouvrez une stratégie pour afficher sa fenêtre de backtesting, le calcul du ratio de Sharpe et les classes d'actifs qu'elle négocie.
Définissez une taille de position sous forme d'un pourcentage fixe de votre compte, avec des limites d'exposition maximales appliquées automatiquement.
Suivez l'exécution en direct par rapport aux attentes backtestées et réduisez ou suspendez l'allocation si la variance dépasse la bande indiquée.
Chaque stratégie est évaluée par rapport aux données historiques du carnet de commandes et des prix à l'aide d'une méthodologie walk-forward, ce qui signifie que le modèle est testé sur des données sur lesquelles il n'a pas été formé, dans des blocs de temps séquentiels. Ceci vise à limiter le surapprentissage à une seule période historique. Les résultats des backtests sont étiquetés avec la plage de dates exacte et l'univers d'actifs utilisés, et sont séparés de tout suivi des performances en direct et à terme affiché dans le tableau de bord.
La latence dépend du lieu et de la classe d'actifs et est affichée par stratégie sous forme de moyenne mobile. Le moteur est conçu pour minimiser l'écart entre la sortie du modèle et la passation des commandes, mais les conditions du réseau et du courtier restent hors du contrôle direct de la plateforme.
Les modèles ingèrent des données de prix et de carnet d'ordres provenant de sites connectés, ainsi que des données de publication macroéconomiques et des indices de volatilité. La documentation de chaque stratégie répertorie l'univers de données spécifique sur lequel elle a été formée et testée à nouveau.
L'intégration est gérée via une API de courtage connectée. Les utilisateurs conservent la garde de leurs fonds auprès de leur propre courtier ; Kunara Celvili envoie des instructions d'allocation et d'exécution mais ne détient pas directement le capital du client.
Oui. Plusieurs stratégies peuvent être exécutées simultanément, sous réserve du contrôle de corrélation qui limite l’exposition combinée à des facteurs de risque similaires dans le pool actif.
Si la variance en direct dépasse la bande prédictive déclarée de la stratégie au-delà d'un seuil défini, l'allocation à cette stratégie est automatiquement suspendue en attendant l'examen, et l'événement est enregistré pour l'utilisateur.
Demandez un aperçu du protocole pour consulter la documentation de backtesting, les définitions des paramètres et le pool de stratégies actuel avant de connecter un compte réel.
Lire la méthodologie