Uz datiem balstīta kriptogrāfijas informācija
Yellowdoor izmanto prognozējošo modelēšanu reālajiem tirgus datiem, sniedzot studentiem un jaunajiem speciālistiem disciplinētu, uz pierādījumiem balstītu veidu, kā novērtēt kriptovalūtas pozīcijas, nereaģējot uz ikdienas cenu svārstībām.
Tirgus pārklājums
Lielākā daļa mazumtirdzniecības rīku izseko dažus labi zināmus marķierus un atstāj pārējo tirgus daļu bez pārbaudes. Yellowdoor infrastruktūra pārņem pasūtījumu grāmatas dziļumu, apjomu un nepastāvības datus no vairāk nekā 500 tirdzniecības pāriem, atjauninot savus modeļus, mainoties apstākļiem, nevis pēc noteikta dienas grafika.
Šim pārklājuma apjomam ir vislielākā nozīme sektoru rotācijas periodos, kad kapitāls pārvietojas starp aktīvu kategorijām ātrāk, nekā var sekot manuāli izveidots uzraudzības saraksts.
Kā tas darbojas
Cenu, apjoma un pasūtījumu plūsmas dati tiek apkopoti no lielākajām biržām un normalizēti vienā struktūrā, koriģējot ziņošanas nepilnības un biržai raksturīgās novirzes.
Statistikas un mašīnmācīšanās modeļi novērtē svārstīguma klasterus, korelācijas izmaiņas un vēsturiskās izņemšanas modeļus, lai novērtētu katra aktīva riska profilu.
Rezultāti tiek pārvērsti ranžētā, ar risku pielāgotā skatījumā, nošķirot īstermiņa nepastāvību no strukturālām izmaiņām, lai pozīcija varētu tikt attiecīgi sadalīta.
Par Yellowdoor
Yellowdoor tika izstrādāts, balstoties uz vienkāršu priekšnoteikumu: studentiem un karjeras sākuma profesionāļiem ir pelnījuši tādu pašu analīzi, kādu izmanto institucionālās tirdzniecības nodaļas, neprasot finanšu grādu vai termināļa abonementu.
Platformas iznākums ir aprakstošs, nevis reklāmas. Tajā ir norādīts, ko dati norāda par risku un tendenci, nevis tas, ko lietotājs varētu vēlēties dzirdēt, un tas ir izveidots, lai to pārskatītu kopā ar neatkarīgu spriedumu, nevis tā vietā.
Riska vadība
Katrs Yellowdoor ģenerētais ieteikums ir saistīts ar svārstīguma diapazonu un maksimālo vēsturisko izņemšanas skaitli attiecīgajai aktīvu klasei. Norādījumi par pozīcijas lielumu ir iegūti no šiem riska datiem, nevis no paredzamajiem ienākumiem, kas saglabā uzsvaru uz kapitāla saglabāšanu tirgus stresa periodos.
Interfeiss atdala signāla pārliecību no īstermiņa tirgus trokšņa, tāpēc īsu cenu pieaugumu nevar sajaukt ar strukturālām izmaiņām aktīva darbībā.
Ilustratīvs nepastāvības joslu attēlojums, kas izmantots pozīcijas lieluma noteikšanas norādījumos.
Lietojumprogrammas
Studentiem, kas veido pozīciju vairākos akadēmiskos termiņos, Yellowdoor tendenču modeļi filtrē īstermiņa troksni un izceļ ilgstošas virziena maiņas, atbalstot pirkšanas un paturēšanas pieeju, kas balstīta uz garākiem datu logiem, nevis ikdienas cenu izmaiņām.
Ja ekspozīcijai jāpievērš lielāka uzmanība — pirms pārbaudēm vai nepilna laika darba pienākumu veikšanas laikā, platforma atzīmē, kad aktīva nepastāvības diapazons palielinās, pārsniedzot tā neseno vidējo vērtību, un nav nepieciešama pastāvīga manuāla pārbaude.
Korelācijas dati, kas iegūti no vairāk nekā 500 izsekotajiem pāriem, parāda, kuri līdzekļi mēdz pārvietoties kopā, palīdzot izvairīties no nejaušas koncentrēšanās ierobežotā studenta budžeta ietvaros.
Metodoloģija
Dati tiek iegūti tieši no biržas API, kas aptver tūlītējos un galvenos atvasināto instrumentu tirgus, apkopoti un saskaņoti, pirms tie tiek nodoti analīzes slānim. Dati netiek iegūti no nepārbaudītiem vai lietotāju iesniegtiem avotiem.
Tirgus dati tiek nepārtraukti atsvaidzināti, modeļa rezultātus pārrēķinot īsos intervālos, nevis reizi dienā. Tas samazina nobīdi starp tirgus notikumu un tā atspoguļojumu platformas riska novērtējumā.
Neviens prognozēšanas modelis nevar garantēt rezultātus nestabilos tirgos. Yellowdoor ziņo par modeļa veiktspēju salīdzinājumā ar vēsturiskajiem atpakaļpārbaudes periodiem un atjaunina šos skaitļus, tiklīdz kļūst pieejami jauni dati, lai lietotāji varētu novērtēt ticamības līmeni, nevis pieņemt tos ticībā.
Platforma neuzņemas iepriekšēju tirdzniecības pieredzi. Katrai metrikai ir pievienotas paskaidrojošas piezīmes, un pozīcijas lieluma norādījumi ir izteikti vienkāršā veidā, nevis tehniskajā žargonā.
