回报是良好风险管理的结果，而不是相反
在 Selqavi Odruxen，我们将资本保护视为首要目标。当损失随着时间的推移持续受到限制，而不是追逐孤立的收益时，就会出现增长。
这种方法需要模型选择方面的纪律以及信号和噪声之间的明确分离。因此，我们构建的系统将稳健性置于速度之上。
- 更新频率
- 连续、实时
- 数据来源
- 市场数据和投资组合历史
- 决策控制
- 仍由用户保留
- 模型验证
- 历史场景测试
Selqavi Odruxen 背后的引擎将统计模式识别与持续市场监控相结合。结果是经过验证的决策基础，而不是猜测。
该系统将当前的市场状况与过去的波动模式进行比较，并在波动影响价格之前估计波动的可能性。
您的投资组合会持续扫描集中风险、头寸之间的相关性和流动性变化，并进行实时更新。
所有建议都植根于可观察的数据。当新的市场数据使之前的假设变得过时时，模型就会更新。
在模型投入使用之前，会根据过去的市场走势（包括高波动时期）进行测试，以评估其稳健性。
该过程分为三个阶段，连续进行。您保留在每一步做出决定的权利。
该平台从您连接的来源收集价格数据、订单深度和波动性指标，并在整个交易日不断更新。
这些模型可以识别与正常交易模式的偏差，并突出显示历史上与风险增加相关的条件。
该系统提出了具体的行动建议并附有理由。您可以选择是否以及如何执行该提案。
数据处理： 所有计算均基于市场数据和您自己的投资组合历史记录。未经您的批准，Selqavi Odruxen 不会执行任何自动交易。
下面的例子说明了该系统如何在实践中使用。它们代表典型的使用领域，不保证结果。
当隐含波动率突然波动时，系统会调整敞口仓位的风险权重，并建议在波动完全定价之前进行对冲。
对头寸之间相关性的持续分析揭示了隐藏的集群风险，而这些风险在多个资产类别中很难发现。
当工具中的订单深度显着下降时，系统会出现波动，这可能会影响快速进入或退出时的执行价格。
对于机构用户来说，风险敞口是跨部门和策略的总和，以便可以在一个地方评估总风险。
在 Selqavi Odruxen，我们将资本保护视为首要目标。当损失随着时间的推移持续受到限制，而不是追逐孤立的收益时，就会出现增长。
这种方法需要模型选择方面的纪律以及信号和噪声之间的明确分离。因此，我们构建的系统将稳健性置于速度之上。
在这里，我们回答了我们最常遇到的有关延迟、数据集成和模型背后的逻辑的问题。
计算结果在整个交易日不断更新。实际延迟取决于数据源的刷新率和网络连接，但系统旨在在正常市场条件下将延迟保持在最低限度。
该平台旨在能够连接到常见数据源和投资组合报表。集成的程度取决于您已经使用的系统，并在启动时具体讨论。
该模型根据历史和当前数据识别与正常交易模式的统计偏差。当新数据改变以前评估的基础时，它们就会更新，并根据历史情景不断进行测试。
不会。Selqavi Odruxen 提供分析和行动建议。所有绩效决策均由您或您的组织决定。
该系统使用市场数据，例如汇率、订单深度和波动性指标以及您自己的投资组合历史记录（只要您提供访问权限）。