Terminal de données en temps réel finkurs affichant des signaux prédictifs de portefeuille

État du système : opérationnel

Logique de portefeuille prédictive, déployée en moins de 60 secondes

finkurs exécute une analyse vectorielle latente sur les flux de données de marché et convertit le résultat en paramètres de dimensionnement de position et de risque. Connectez une API d'échange, définissez vos contraintes et laissez le modèle s'exécuter selon des règles déterministes — aucune lecture manuelle des graphiques n'est requise.

Initialiser le portefeuille Voir la méthodologie

Latence d'inférence médiane 42 ms

Points de données traités / min 1,8 M

Instances de modèle actives 3 214

Moy. temps d'installation 54 s

Moteur de données

Comment le pipeline de prédiction est structuré

Le moteur ingère en parallèle les données du carnet de commandes, du volume et des macros, puis compresse chaque flux en un vecteur latent avant que le modèle stochastique ne produise une recommandation. Chaque étape est enregistrée pour audit.

Couche d'ingestion Diffuse les données de prix au niveau des ticks, la profondeur du carnet de commandes et les indicateurs macro des bourses connectées via websocket.

Codage vectoriel latent Réduit l’état du marché de grande dimension en une représentation compacte sur laquelle le modèle peut raisonner efficacement.

Couche de modélisation stochastique Génère une distribution pondérée par la probabilité des trajectoires de prix probables plutôt qu'une prévision ponctuelle.

Résultat de la décision Traduit la distribution en taille de position, plage d'entrée et paramètres d'arrêt en fonction de votre profil de risque.

Normalisation multi-échanges Les données de prix et de volume provenant de différents sites sont rapprochées dans un seul schéma interne avant la modélisation.
Reconversion continue Les poids des modèles sont actualisés sur une fenêtre mobile afin que le système s'adapte aux changements de régime sans intervention manuelle.
Règles d'exécution déterministes Une fois qu'un signal franchit votre seuil défini, les paramètres de la commande sont corrigés et enregistrés avant la soumission.

42 ms

Inférence médiane

6 s

Cycle de reconversion

99,2%

Temps de disponibilité de l'alimentation, 30 jours

Configuration

De la clé API au modèle déployé en trois étapes

La configuration supprime les frais généraux liés à la connexion des bourses, au dimensionnement manuel des positions et à la revérification des limites de risque après chaque transaction. La plupart des comptes terminent le déploiement en moins d'une minute.

ÉTAPE 01

Intégration API

Collez une clé API en lecture seule ou à portée commerciale à partir de votre échange. Les clés sont chiffrées au repos et ne quittent jamais le contexte de votre compte.

ÉTAPE 02

Définition des paramètres de risque

Définissez le prélèvement maximum, les limites de taille de position et la tolérance à la volatilité. Ces contraintes remplacent toute sortie du modèle au moment de l'exécution.

ÉTAPE 03

Déploiement

Confirmez la configuration et l'instance de modèle est mise en ligne. L'exécution commence au prochain signal de qualification du moteur de données.

Connecter l'API → Définir les limites → Modèle déployé → Les signaux s'exécutent

Couche de décision

L'interface d'optimisation, en chiffres bruts

Chaque recommandation est affichée avec son calcul risque-récompense sous-jacent, et pas seulement un appel directionnel. Vous pouvez inspecter, ajuster ou remplacer n’importe quel signal avant qu’il n’atteigne son exécution.

Matrice risque/récompense – exemples d’actifs Flux en direct

Actif	Signal	Confiance	Score de risque	Portée attendue
ETH/EUR	Augmentation	0,78	Moyen	+2,1% / −1,4%
Futures DAX	Tenir	0,54	Faible	+0,6% / −0,5%
BTC/USD	Réduire	0,71	Élevé	+1,2% / −3,0%
EUR/USD	Tenir	0,61	Faible	+0,4% / −0,3%

Alimentation du signal en temps réel

02:14:09Seuil de volatilité franchi — Futures DAX
02:11:47Décalage vectoriel latent détecté – BTC/USD
02:08:22Score de risque recalculé — ETH/EUR
02:05:03Modèle recyclé sur la fenêtre 6s - global

Boutons d'optimisation

Plafond de prélèvement maximum

Rééquilibrage automatique en cas de changement de régime

Protection anti-glissement

Commande manuelle sur signaux

Méthodologie

Ce qui se trouve sous la couche de recommandation

Nous publions les mécanismes du modèle plutôt que de demander une confiance sur la foi. Ce qui suit s’applique à chaque compte, quelle que soit la classe d’actifs ou la bourse.

Architecture du modèle

Le noyau est un modèle de séquence formé sur les données au niveau des ticks et du carnet d'ordres, associé à une couche stochastique qui génère une distribution de probabilité au lieu d'un objectif de prix unique.

Encodage vectoriel latent par classe d'actifs
Reconversion par fenêtre glissante, pas d'instantanés statiques
Modèles distincts pour les instruments à liquidité élevée et faible

Cadre de backtesting

Chaque version du modèle est validée par rapport à des backtests prospectifs utilisant des données hors échantillon segmentées par régime de marché, et non par période historique unique.

Ensembles de validation segmentés par régime
Coût de transaction et simulation de spread inclus
Historique des versions conservé pour audit

Logique de protection contre le glissement

Les commandes sont vérifiées par rapport à la propagation et à la profondeur en direct avant d'être soumises. Si le glissement attendu dépasse votre tolérance, l'ordre est retenu et signalé plutôt qu'exécuté.

Vérification des spreads et de la profondeur avant les transactions
Tolérance de glissement configurable par instrument
Commandes en attente enregistrées avec le code motif

Déployez votre première instance de modèle

Connectez une clé API, définissez vos paramètres de risque et le modèle sera mis en ligne lors du prochain cycle de déploiement. Aucun fichier de configuration manuelle, aucun ticket d'assistance requis pour démarrer.

Déployer une instance d'IA

Traitement des données conforme au RGPD Transport chiffré TLS 1.3 Étendues d'API en lecture seule par défaut

Clé API reçuet + 0s

Paramètres de risque confirmést + 18s

Instance de modèle initialiséet + 41s

Exécution du signal activet + 54s