基础设施
该系统的每个组件都旨在减少统计噪音并缩短市场信号和可行决策之间的时间。
这些模型在每个会话中处理数百万个数据点（价格、交易量、订单簿和波动性指标），以便在肉眼可见之前识别重复出现的模式。
根据观察到的波动性不断重新计算止损和对冲建议，以调整风险敞口，而无需持续的人工干预。
计算基础设施经过优化，可限制信号检测与其反馈到接口之间的延迟，这是时序敏感策略的决定因素。
每个模型在投入生产之前都会经过广泛的市场历史测试，并报告结果（包括表现不佳的时期）以进行诚实的评估。
透明度
人工智能模型只有在可以被审计的情况下才对交易者有价值。这就是为什么 Phare Cautélisane 每天都会发布一份报告，详细说明系统在过去的会话期间做出的决策。
该报告包括信号成功率、赢/输比和观察到的最大回撤。这些数字是根据所有已发布的建议计算的，包括那些没有产生积极影响的建议。
目的不是始终显示出色的结果，而是真实地反映系统在真实市场条件下（无论有利还是不利）的行为。
方法论
在不透露模型的专有架构的情况下，以下是每个市场数据在成为推荐之前要经历的四个阶段。
收集原始市场信息，然后进行清理：删除异常值、报告缺失数据、在来源之间同步时间戳。
神经网络分析时间序列以检测价格结构和资产之间的相关性。
每个潜在信号都会经过风险过滤器，该过滤器排除了鉴于当前波动性而被认为过于不确定的配置。
经验证的信号将转化为优化建议，并附有置信度，并在仪表板中报告。
使用案例
短期信号表明供需之间存在暂时的不平衡，对于持有几分钟的头寸很有用。
这些模型汇总了多个时间范围，以区分几个交易日内的持久波动和简单的市场噪音。
相关性和波动性警报有助于调整投资组合的整体风险敞口，而无需手动跟踪每个头寸。
常见问题
该平台通过 API 连接到提供标准市场准入（读取价格、订单簿）的经纪商。集成是只读的，用于分析；除非您明确激活自动化模式，否则订单执行仍由您控制。
提要来自涵盖我们用户关注的主要证券交易所的汇总市场数据提供商（价格、交易量、书籍深度）。来源列在注册后提供的技术文档中。
不会。Phare Cautélisane 在非托管架构中运行：平台分析市场并根据您的授权传输建议或订单，但绝不会持有您的资产或银行标识符。
模型会定期根据最新数据进行重新训练，并在部署前将其性能与以前的版本进行比较。每日报告中报告了市场行为的重大变化。
