Qoala moolj applica la modellazione stocastica ai dati di mercato ottimizzati per la latenza, producendo segnali di supporto alle decisioni con un record di prestazioni verificabile e pubblicato quotidianamente. Costruito per i trader che vogliono conoscere il ragionamento dietro ogni raccomandazione, non solo la raccomandazione stessa.
Banda di varianza predittiva illustrativa tracciata rispetto all'azione dei prezzi intraday realizzata, aggiornata ad ogni ciclo del modello.
Il motore principale acquisisce dati di mercato a livello di tick attraverso una pipeline ottimizzata per la latenza, applica un modello stocastico per stimare la varianza predittiva a breve termine e genera un set di segnali classificati prima del completamento del ciclo di quotazione successivo.
I parametri del modello vengono riadattati su base continuativa anziché lasciati statici, il che mantiene l'output reattivo ai cambiamenti dei regimi di volatilità senza richiedere una ricalibrazione manuale da parte del trader.
Ingestione a livello di zecca
Normalizzazione, pulizia
Stima predittiva della varianza
Classificato, con punteggio di fiducia
Ogni sessione di negoziazione produce un rapporto giornaliero sulla trasparenza che copre i segnali emessi, la fiducia dichiarata dal modello al momento dell'emissione e il risultato una volta chiusa la finestra di posizione. I report vengono conservati in una traccia di controllo che può essere rivista sessione per sessione, non riepilogati in un unico titolo.
| Campo | Descrizione |
|---|---|
| Identificativo della sessione | Datario AEST, versione modello |
| Segnali emessi | Conteggio e ripartizione dello strumento |
| Banda di fiducia | Intervallo di varianza dichiarato dal modello in questione |
| Risultato realizzato | Registrato rispetto al prezzo di riferimento di chiusura |
| Latenza del feed | MS mediano per la sessione |
Struttura del report illustrativo mostrata solo a scopo di layout. I valori dei campi non sono dati effettivi sulle prestazioni e non rappresentano risultati garantiti o attesi.
I controlli del rischio sono integrati nel modello anziché applicati successivamente. Tre meccanismi lavorano insieme per gestire l’esposizione man mano che le condizioni cambiano nel corso della giornata.
Le raccomandazioni sulla dimensione della posizione derivano da una stima progressiva del drawdown, pertanto l'esposizione si contrae automaticamente quando la recente varianza predittiva del modello si amplia oltre il suo intervallo tipico.
Le soglie del segnale si spostano con i cambiamenti del regime di volatilità rilevati, riducendo la frequenza del segnale in condizioni instabili anziché emettere raccomandazioni a un ritmo costante indipendentemente dallo stato del mercato.
Prima che emerga un segnale, viene controllata la correlazione con le posizioni attualmente aperte, limitando la concentrazione sugli strumenti che tendono a muoversi insieme durante la stessa sessione.
Qoala moolj è posizionato come livello di supporto decisionale per i trader che mantengono il pieno controllo sull'esecuzione. Il ruolo della piattaforma è quello di elaborare volumi di dati di mercato che sarebbe poco pratico rivedere manualmente e di presentare l'analisi risultante in un formato che possa essere confrontato con la lettura del mercato da parte del trader.
La metodologia è documentata anziché presentata come una scatola nera. Le origini dati, il controllo delle versioni dei modelli e le politiche di conservazione dei report possono essere esaminati da qualsiasi titolare di account attivo.
I dati grezzi su tick e quotazioni vengono estratti da fornitori di dati di mercato autorizzati e normalizzati in uno schema coerente prima di essere inseriti nel modello, con controlli di integrità del feed eseguiti continuamente.
Ogni ciclo del modello viene convalidato rispetto ai dati storici fuori campione prima che il relativo output venga reso disponibile in tempo reale e qualsiasi ciclo che non supera le soglie di convalida viene trattenuto anziché pubblicato.
L'output convalidato viene formattato come raccomandazione classificata con fascia di confidenza e dimensionamento della posizione suggerito, inviato al dashboard e, ove abilitato, tramite API per la revisione.
L'output del segnale è disponibile tramite un endpoint REST che restituisce il set di segnali classificato, la banda di confidenza e il timestamp in JSON. L'integrazione in genere comporta il polling dell'endpoint o la sottoscrizione a un webhook, a seconda del livello di account e dello stack di esecuzione esistente.
La latenza dipende dal feed sottostante e dalla classe dello strumento, ma la pipeline è progettata per fornire l'output del segnale all'interno dello stesso ciclo di quotazione per gli strumenti supportati. I dati sulla latenza per la sessione precedente sono inclusi in ciascun rapporto giornaliero sulla trasparenza.
I dati di mercato provengono da fornitori autorizzati che coprono azioni ASX, futures su indici e le principali coppie FX. Lo stato del feed, comprese eventuali interruzioni, viene registrato nell'audit trail e divulgato nel relativo report giornaliero.
I dati in entrata vengono controllati per verificare la presenza di lacune, duplicazioni e coerenza del timestamp prima che raggiungano il modello. Le sessioni con anomalie nei feed vengono contrassegnate nel rapporto anziché essere risolte silenziosamente.
L'accesso è strutturato in livelli di account che determinano la copertura degli strumenti, i limiti delle chiamate API e la conservazione dei report storici. I dettagli completi del livello e i termini attuali vengono forniti durante la configurazione dell'account.
No. Qoala moolj produce segnali e analisi di supporto decisionale. Le decisioni di esecuzione e l'immissione degli ordini restano di competenza del titolare del conto o del suo sistema di esecuzione esistente.