以最小延迟进行分析
该系统逐笔采集市场数据并在几毫秒内进行处理，以便信号反映当前状况而不是过去的市场状态。这减少了发生的情况与模型检测到的情况之间的差距。
Sable Patrimencia 以最小的延迟处理大量市场数据，并根据每个账户的实际行为而不是固定规则重新调整其风险管理。
Sable Patrimencia 以最小的延迟处理大量市场数据，并根据每个账户的实际行为而不是固定规则重新调整其风险管理。
起点
日间交易者在一分钟蜡烛的持续时间内收到的信息超出了他所能处理的范围。新闻、订单流、隐含波动率、资产之间的相关性：数量不是问题，解读速度才是问题。当分析被延迟时，决策是凭本能做出的，而本能并不能始终如一地管理风险。
固定规则系统也不能解决这个问题。百分比止损不能区分正常修正和波动率变化。即使真正的风险完全不同，也要以相同的方式对待这两种情况。
这就是为什么我们构建一个从每个操作中学习而不是对所有操作应用单一规则的系统。
每个模块独立运行，但共享相同的数据流，因此分析、风险和预测永远不会不同步。
该系统逐笔采集市场数据并在几毫秒内进行处理，以便信号反映当前状况而不是过去的市场状态。这减少了发生的情况与模型检测到的情况之间的差距。
该引擎不是应用固定百分比的风险资本，而是根据历史账户行为和近期资产波动来调整头寸规模和保护水平。风险限额是重新计算的，不是重复的。
这些模型识别出在类似市场条件下重复出现的价格和成交量结构，并将这种巧合转化为概率，而不是确定性。输出始终包含投影的置信度。
Sable Patrimencia 不会取代交易者的判断：它用经过处理的信息和适合您真实账户的风险框架（而不是通用配置文件）对其进行补充。
该系统通过平台或 API 集成到现有工作流程中，无需运营商更改其代理或执行基础设施。
这就是我们所说的系统将原始数据转换为针对每个账户调整的风险建议的完整周期。有四个阶段，顺序始终相同。
该系统以连续流的方式接收市场数据、订单簿和宏观变量，并在进行任何分析之前将其标准化。
流式处理：数据到达时进行连续处理，无需等待关闭的批次。
经过历史系列训练的网络可以识别与当前市场状况相当的价格和数量配置。
模式识别：检测重复结构，而不是人类预定义的规则。
检测到的模式与账户已知的风险状况相交叉，在提出任何行动之前调整头寸规模和保护级别。
了解的风险概况：过去帐户行为的统计结果，而不是表单上的复选框。
最终建议以其置信度提供，并且可以手动或自动执行，具体取决于操作员选择的配置。
支持，而非替代：执行的决定始终被记录且可逆。
系统不会根据资产改变其逻辑，但会根据检测到的场景改变其变量的权重。