Datadriven riskhantering
Amphojel analyserar volatilitet, likviditet och historiska mönster i realtid för att räkna om dina stop-loss-nivåer när marknadsförhållandena förändras, vilket minskar exponeringen för uttag utan att ersätta din inträdesstrategi.
Resultaten beror på riskprofilen, den tillgång som handlas och marknadsförhållandena i varje session.
Problemet
En fast stop-loss, inställd i början av sessionen, återspeglar sällan hur volatiliteten beter sig under dagen. I stunder av större osäkerhet kan samma stoppnivå vara för snäv och generera för tidiga utgångar, eller för bred och tillåta förluster större än planerat.
Beslutet att manuellt justera en stop-loss i realtid är också ett känslomässigt beslut: det innebär press, begränsad tid och ofta bekräftelsebias. Amphojel ersätter denna manuella justering med en kontinuerlig analytisk process, baserad på marknadsdata och inte på momentan reaktion.
Teknik
Systemet kombinerar tre lager av analys - volatilitet, likviditet och korrelation mellan tillgångar - för att kontinuerligt räkna om det ideala avståndet mellan det aktuella priset och stoppnivån, alltid med respekt för de riskgränser som definieras av användaren.
Mäter prisamplitud över korta fönster för att skilja normalt brus från relevant riktningsrörelse.
Överväger den tillgängliga volymen i orderboken innan stopp eller breddning stramas åt, och undviker avrättningar i tunna marknadsförhållanden.
Jämför tillgångens beteende med relaterade referensindex, vilket signalerar isolerade kontra systemiska rörelser.
Varje automatisk justering respekterar risktoleransen och maxgränserna som tidigare konfigurerats, utan att överskrida dessa parametrar.
Modellen förutsäger inte framtida pris med säkerhet – den minskar sannolikheten för att en statisk stop-loss inte kommer i linje med faktiska marknadsförhållanden genom att räkna om din position med varje ny uppsättning data som tas emot.
Metodik
Transparens kring hur data hanteras är en central del av hur Amphojel byggs och valideras.
Priser, volymer och orderbokdjup tas emot från datakällor kopplade till ditt mäklarkonto, utan att ändra de ursprungliga värdena.
Data normaliseras per tillgång och jämförs med historiska serier för att identifiera relevanta avvikelser från vanligt beteende.
Varje regeljustering testas mot historiska perioder med hög och låg volatilitet innan den görs tillgänglig i en verklig miljö.
Den nya stop-loss-nivån tillämpas endast om den håller sig inom risktoleransen och kapitalreglerna du ställer upp.
Praktisk tillämpning
Modellens beteende anpassar sig till tidshorisonten och risktoleransen för varje handelsstil.
I operationer med mycket kort varaktighet prioriterar modellen att läsa av omedelbar volatilitet och likviditetsdjup, genom att räkna om stoppet flera gånger inom samma position för att följa snabba rörelser utan att överdrivet öka risken per operation.
För positioner som hålls över flera dagar ger modellen större vikt åt korrelationen mellan tillgångar och trender på medellång sikt, vilket gradvis vidgar stoppet för konsekventa rörelser och skärper det när tecken på vändning dyker upp i korrelerade tillgångar.
Handlare som redan arbetar med sina egna automatiserade system kan endast använda Amphojel som ett lager för stoppförlusthantering, som tar emot nivåerna omräknade via API och håller in- och utträdeslogiken för sin egen strategi oförändrad.
FAQ
Latensen beror på den anslutna datakällan och marknadsbelastningen vid tidpunkten, men den interna omberäkningsprocessen är utformad för att fungera på en millisekundsskala vid mottagande av ny data. I perioder med extremt hög volatilitet är systemets prioritet inställningskonsistens, även om detta innebär en liten ökning av latensen.
Integration beror på vilken mäklare som används och tillgången på ett kompatibelt orderexekverings-API. I de fall där direktanslutning inte är möjlig kan systemet arbeta i rekommendationsläge, vilket indikerar den nya stoppnivån för manuell bekräftelse.
Ja. Varje ändring av justeringslogiken backtestas mot historiska perioder av olika volatilitetsregimer innan de blir tillgängliga för användning på riktiga konton. Backtestingresultat är vägledande och utgör ingen garanti för framtida prestanda.
Ja. Riskgränserna per operation och per konto definieras av användaren innan någon automatisering aktiveras, och modellen har inte behörighet att föreslå eller tillämpa justeringar utanför dessa gränser.
I händelse av anslutningsfel upprätthåller systemet den senast validerade stop-loss-nivån och utfärdar ett meddelande, istället för att ta bort skyddet eller försöka uppskatta värden utan uppdaterad data.
Har du andra tekniska frågor om plattformen? Kontakta supportcentret för ytterligare information om integration och konfiguration.
Demonstrationen visar hur modellen fungerar med historisk data och låter dig konfigurera dina egna riskgränser innan du fattar något beslut för fortsatt användning.
Förfina strateginInget kreditkort krävs för att komma åt demon.