finkurs 实时数据终端显示预测投资组合信号
系统状态:运行

预测投资组合逻辑,在 60 秒内部署

finkurs 对市场数据流运行潜在向量分析,并将输出转换为头寸规模和风险参数。连接交换 API,设置约束,并让模型根据确定性规则执行 - 无需手动读取图表。

中值推理延迟 42 毫秒
处理的数据点/分钟 1.8M
活动模型实例 3,214
平均。设置时间 54秒

预测管道的结构如何

该引擎并行摄取订单簿、交易量和宏观数据,然后在随机模型生成推荐之前将每个流压缩为潜在向量。每个阶段都会被记录以供审核。

01
摄取层 通过 websocket 从连接的交易所传输即时价格数据、订单簿深度和宏观指标。
02
潜在向量编码 将高维市场状态简化为模型可以有效推理的紧凑表示。
03
随机建模层 生成可能价格路径的概率加权分布,而不是单点预测。
04
决策输出 根据您的风险状况将分布转换为头寸规模、入场范围和止损参数。
  • 多交换标准化 在建模之前,来自不同场所的价格和数量数据会被协调到一个内部模式中。
  • 持续再培训 模型权重在滚动窗口上刷新,因此系统无需人工干预即可适应状态变化。
  • 确定性执行规则 一旦信号超过您定义的阈值,订单参数就会在提交前固定并记录。
42 毫秒
中位数推断
6秒
再培训周期
99.2%
进料正常运行时间,30 天

从 API 密钥到部署模型只需三步

该设置消除了连接交易所、手动调整头寸规模以及每次交易后重新检查风险限制的手动开销。大多数帐户在一分钟内完成部署。

步骤01

API集成

粘贴来自您的交易所的只读或交易范围的 API 密钥。密钥在静态时进行加密,并且永远不会离开您的帐户上下文。

步骤02

风险参数定义

设置最大回撤、头寸规模限制和波动容忍度。这些约束会覆盖执行时的任何模型输出。

步骤03

部署

确认配置,模型实例上线。从数据引擎发出下一个合格信号时开始执行。

连接API 定义限制 模型已部署 信号执行

优化接口,以原始数字表示

每条建议都会显示其潜在的风险回报计算,而不仅仅是定向调用。您可以在任何信号执行之前对其进行检查、调整或覆盖。

风险/回报矩阵——样本资产 直播
资产 信号 信心 风险评分 预期范围
以太币/欧元 增加 0.78 中等 +2.1% / −1.4%
德国DAX期货 保持 0.54 +0.6% / −0.5%
比特币/美元 减少 0.71 +1.2% / −3.0%
欧元/美元 保持 0.61 +0.4% / −0.3%
实时信号馈送
  • 02:14:09波动率阈值突破 — DAX 期货
  • 02:11:47检测到潜在向量偏移 — BTC/USD
  • 02:08:22重新计算风险评分——ETH/EUR
  • 02:05:03在 6s 窗口上重新训练模型 — 全局
优化切换
最大回撤上限
政权转变时自动重新平衡
防滑罩
手动超控信号

推荐层下运行的是什么

我们发布模型的机制,而不是寻求信仰上的信任。以下内容适用于每个账户,无论资产类别或交易所如何。

模型架构

其核心是一个在报价级别和订单簿数据上训练的序列模型,与输出概率分布而不是单一价格目标的随机层配对。

  • 每个资产类别的潜在向量编码
  • 滚动窗口再训练,无静态快照
  • 高流动性工具和低流动性工具的独立模型

回测框架

每个模型版本都使用按市场状况(而不是单个历史时期)细分的样本外数据进行回溯测试进行验证。

  • 制度分段验证集
  • 包括交易成本和点差模拟
  • 保留版本历史记录以供审核

打滑保护逻辑

订单在提交前会根据实时点差和深度进行检查。如果预期滑点超出您的容忍度,订单将被保留并标记,而不是被执行。

  • 交易前点差和深度检查
  • 每个仪器可配置的滑移容差
  • 使用原因代码记录的保留订单

部署您的第一个模型实例

连接 API 密钥,设置风险参数,模型将在下一个部署周期上线。无需手动配置文件,无需支持票即可启动。

部署AI实例
符合 GDPR 的数据处理 TLS 1.3 加密传输 默认情况下只读 API 范围
收到 API 密钥t+0s
风险参数已确认t+18秒
模型实例初始化t + 41 秒
信号执行活跃t + 54 秒