专业交易员每天处理数以千计的价格变动、新闻报道和订单簿变化。在这个数量上，手动评估达到了极限——不是在能力方面，而是在时间方面。
Voldin Sivner 处理预过滤。该平台通过以下方式构建原始数据 实时分析，根据相关性对信号进行加权，并将结果简化为与动作相关的信息。目标是 风险最小化 通过更早、更可靠的决策基础。
示意图用于说明处理原理，并非真实测量值。
分析过程分三个易于理解的步骤进行。每个步骤都有记录，并且可以在每日报告中进行跟踪。
来自价格源、订单簿和新闻来源的市场数据不断流入分析环境。每个来源在处理之前都会经过一致性和及时性检查。
预测模型 评估输入数据中的模式并根据统计相关性对它们进行排名。结果经过一 验证 在得出信号之前与历史比较数据进行比较。
决策的每一个依据都被记录下来。每日报告总结信号质量、执行情况和偏差，并独立使用 优化 交易策略。
Voldin Sivner 不会在没有上下文的情况下使用聚合关键数据。每个模型决策都会被记录 - 带有时间戳、使用的数据点以及相应信号的原因。
报告格式的说明性结构。具体数值仅在每日更新数据的客户访问中显示。
日志记录遵循允许外部审核的固定方案。这为交易者提供了一种工具... 诚信 独立评估分析 - 而不必依赖保证。
每个报告都引用基础数据和模型参数。这意味着每个单独的决策都可以在事后重建，而不仅仅是汇总结果。
仅仅为了最大化回报而优化的模型通常会低估错误信号的成本。因此，Voldin Sivner 首先根据每个头寸对整个投资组合的风险贡献进行评估，然后才根据其回报潜力进行评估。
回撤管理 和 预测风险模型 共同努力：一方面限制现有损失，另一方面根据当前市场状况估计未来损失情况的概率。
无论信号强度如何，固定上限都会限制单个头寸的损失。
头寸大小根据相应工具的当前波动范围进行调整。
检查头寸的相互作用，以避免投资组合的集中风险。
退出点是预先定义的，无需人工干预即可执行。