Kunara Celvili 市場データ ストリームを視覚化する予測分析ダッシュボード
AI 予測モデリングとリスク調整された実行

システマティックトレーダー向けの予測モデリングとリスク調整された戦略の選択

Kunara Celvili は市場の微細構造をリアルタイムで分析し、予測差異と過去のドローダウンに基づいて AI が生成した戦略をランク付けするため、単一の裁量コールではなく、実証済みのリスク調整済みプロファイルを備えたモデルに資本を振り向けることができます。

1 つの質問を中心に構築されたインフラストラクチャ: 今どの戦略が資本に値するか

Kunara Celvili は、系統的な執行をすでに理解しているものの、バックテストを行ったり、数十の戦略バリエーションを並行して監視したりする時間がないトレーダーのためのインフラストラクチャとして構築されました。プラットフォームは、個別のシグナルを発行するのではなく、AI が生成した戦略のアクティブなプールをローリングベースでランク付けし、各ランキングの背後にあるパラメーターを公開します。

基礎となるエンジンは、現地の取引時間の流動性パターンや欧州の取引所での約定に関連するデータ遅延の制約など、DACH 市場の要件に合わせて維持されています。

Kunara Celvili 研究チームが定量的モデルの出力をレビュー

現代のボラティリティの下で手動分析は構造的限界に達する

注文フロー、資産間の相関関係、およびマクロデータは、1 人のアナリストがそれらを一貫したポジションに調整するよりも速く更新されるようになりました。疲労と最新性バイアスは、経験豊富な実務者であっても、取引セッション全体にわたって問題をさらに悪化させます。アルゴリズムを実行しても不確実性は除去されませんが、9:00 と 15:00 に異なるしきい値を同じ設定に適用することで生じる不一致は除去されます。

次元手動分析アルゴリズムの実行
新しいデータへの反応時間数秒から数分1 秒未満、連続
感情的な偏見にさらされる現在、セッションごとに変化構造的に排除されている
同時処理されるデータ ストリーム注意力の持続時間による制限パラレル、クロスアセット
セッション間の一貫性疲労により変動する固定パラメータによって管理される

予測モデリングとリスク管理エンジンの内部

エンジンは単一の買いまたは売りシグナルを出力しません。これは、戦略のランク付けされた分布を出力し、それぞれに独自の予測分散バンドとドローダウン履歴が含まれており、ユーザーは資本を割り当てる前にそれを確認します。

01価格、オーダーブック、マクロフィードにわたるデータの取り込み
02時間枠全体にわたる特徴量エンジニアリングと正規化
03確率的モデリングと予測分散推定
04リスクオーバーレイ: ドローダウン制限、相関関係チェック
05ランク付けされた戦略プールにルーティングされた実行シグナル
  • 確率的モデリングコア 戦略は、固定されたルールセットではなく、過去の注文帳データとライブ注文帳データに対して調整された確率的プロセスから生成されます。
  • 予測分散スコアリング 各戦略には、単一の予測リターン数値ではなく、予想される結果のばらつきを表す分散バンドが含まれています。
  • 相関関係を意識したリスクオーバーレイ 実行前に、システムは、相関リスクの集中を回避するために、候補ポジションを既存のエクスポージャと比較してチェックします。
  • 継続的な再ランキング 戦略ランキングは、固定の四半期ごとのレビュー サイクルではなく、新しいパフォーマンス データが到着するとローリング ベースで更新されます。

方法論に関するメモ

ポイント予測ではなく、予測の差異がユーザーに表示される主な出力です。単一の将来価格を予測するモデルは、検証が難しい主張を行っています。もっともらしい結果の分布を予測するモデルは、長期にわたって実現された結果と照合できます。これが、このプラットフォームで戦略がランク付けされる方法の基礎となります。

トップランクのAI戦略のためのコピートレーディングインフラストラクチャ

Kunara Celvili でのコピートレードとは、ランク付けされたプールから特定の AI 戦略に定義された資本の割合を割り当て、その戦略がテストされたパラメーター内で実行が自動的に処理されることを意味します。

01

ランク付けされたプールを確認する

リスク調整後のリターン、トレーリングドダウン、予測分散バンドごとに分類されたアクティブな AI 戦略を閲覧します。

02

パフォーマンスパラメータの検査

ストラテジーを開いて、バックテストウィンドウ、シャープレシオの計算、および取引される資産クラスを表示します。

03

確定資本シェアの割り当て

ポジションサイズをアカウントの固定パーセンテージとして設定し、最大エクスポージャー制限が自動的に適用されます。

04

監視と調整

バックテストされた予想に対してライブ実行を追跡し、差異が規定の範囲を超えた場合には割り当てを減らすか一時停止します。

割り当て前に表示されるパラメータ

  • 最大ドローダウン — バックテスト期間中に観測されたピークから谷までの最大の減少。
  • シャープレシオ(トレーリングピリオド) — 指定されたウィンドウにわたって観察されたボラティリティを基準としたリターン。
  • 予測分散バンド — モデルが中心推定値の周囲で予想する分散範囲。
  • 実行レイテンシ — 信号の生成と注文の間の平均遅延。

ロジックとリスク軽減プロトコルのバックテスト

バックテストロジック

各戦略は、ウォークフォワード手法を使用して、過去の注文帳および価格データに対して評価されます。つまり、モデルは、トレーニングされていないデータに対して連続した時間ブロックでテストされます。これは、過剰適合を単一の歴史的期間に制限することを目的としています。バックテスト結果には、使用された正確な日付範囲とアセットユニバースがラベル付けされ、ダッシュボードに表示されるライブの今後のパフォーマンス追跡とは別に保持されます。

コンプライアンスに関する声明。 Kunara Celvili は、テクノロジーおよびインフラストラクチャのプロバイダーとして機能します。これは個別の投資アドバイスを提供するものではなく、このページのいかなる内容も特定の商品の取引を勧誘するものではありません。戦略パフォーマンス データは、過去のバックテストと、示されている場合には実際にシミュレートされた条件を反映しています。過去のパフォーマンスは、バックテストであろうとライブであろうと、将来の結果を示すものではなく、取引にはキャピタルロスのリスクが伴います。

リスク軽減プロトコル

  • ポジションレベルのエクスポージャーキャップは、ストラテジー自体の内部ロジックとは独立して適用されます。
  • 同時にアクティブな戦略間の相関関係をチェックして、同様の方向性のリスクが重なることを回避します。
  • ライブバリアンスが戦略の指定されたバックテスト帯域を定義されたマージンで超えた場合、自動割り当ては一時停止されます。
  • すべてのダッシュボード ビューでバックテストされたパフォーマンス データをライブ実行データから分離します。
  • すべての割り当ておよび実行イベントの監査ログ。ユーザーレビューのために保持されます。

レイテンシ、データ、統合に関する技術的な質問

シグナルから注文実行までの一般的な待ち時間はどれくらいですか?

レイテンシーは会場と資産クラスに依存し、戦略ごとに移動平均として表示されます。このエンジンは、モデルの出力と注文の発注との間のギャップを最小限に抑えるように設計されていますが、ネットワークとブローカー側の条件はプラットフォームの直接制御の範囲外のままです。

どのデータ ソースが予測モデルにフィードを提供しますか?

このモデルは、マクロ経済リリース データとボラティリティ指数とともに、接続された会場から価格と注文書のデータを取り込みます。各戦略のドキュメントには、トレーニングおよびバックテストの対象となった特定のデータ ユニバースがリストされています。

Kunara Celvili は既存の証券口座とどのように統合されますか?

統合は、接続された仲介 API を通じて処理されます。ユーザーは自分の資金を自分のブローカーに保管します。 Kunara Celvili は割り当てと実行の指示を送信しますが、顧客の資本を直接保持しません。

同時に複数の AI 戦略をコピーできますか?

はい。アクティブなプール全体で同様のリスク要因への複合エクスポージャーを制限する相関チェックを条件として、複数の戦略を同時に実行できます。

戦略の実際のパフォーマンスがバックテストから乖離したらどうなるでしょうか?

ライブ分散が定義されたしきい値を超えて戦略の指定された予測帯域を超えた場合、その戦略への割り当てはレビューを待って自動的に一時停止され、イベントがユーザーに対して記録されます。

資本を割り当てる前に方法論を確認する

ライブアカウントに接続する前に、プロトコルの概要をリクエストして、バックテストのドキュメント、パラメーターの定義、現在の戦略プールを確認してください。

方法論を読む