Close
Opix Algo 的一个关键功能是通过从交易场所的市场数据中获取信息并创建当前市场状况的汇总图来为执行决策提供信息，从而降低外汇市场的不透明性。这种聚合视图也称为聚合订单簿，提供近乎实时的交易量估计。
该分析的主要目的是减少市场影响、减少滑点并根据交易数据（价格、规模和方向）预测未来价格走势，以实现最小化执行成本的实时决策。
线性回归算法是一种经典的数学和统计工具，用于衡量两个变量之间的关联。从技术上讲，如果有一个自变量X和一个取决于X的因变量Y，线性回归可以帮助我们得到一个最适合数据集的线性模型Y=α+βX。
Opix Algo通过使用线性回归模型来预测基于微观结构变化的资产价格变化。它通过首先找到一组最适合训练数据的系数来进行这些预测，其中最适合的系数是通过最小化某个成本函数来确定的。在找到系数（β）后，它通过将系数与特定资产的输入变量相乘来进行预测。
基于人工神经网络的决策是为竞价策略、风险管理、分析模式和预测而开发的。人工神经网络有能力从我们的数据输入中学习和产生自己的知识，如订单簿、投标价格、订单流，它试图通过给出一个解决方案来预测资产的价格变化。在时间序列问题上，ANN需要从历史数据集中建立一个预测模型来预测未来的数据点。简而言之，ANN模型通过对需求和供应模式进行分类，足以深入了解市场的方向性变化。
動態時間扭曲（DTW）算法被稱為是模式匹配交易系統的有效方法。 DTW是一種時間序列對齊算法，通過扭曲距離來測量兩個序列的向量值，直到兩個序列之間達到最佳匹配。 Opix Algo 實施 DTW 以在預測的價格範圍內自動匹配和確定交易位子。
| Experiment | Dataset | Accuracy Rate |
|---|---|---|
| 1 | AUD - USD 2019 (Jan - August) | 70% |
| 2 | EUR - USD 2019 (Jan - August) | 72% |
结果以不同的过滤值报告。Opix Algo将把结果分解为不同的绩效指标。
如下所示：
在市场订单被发送至市场之前对其进行检查。它们允许在交易发生在定义的价格阈值之外、超过最大规模、或自动发布过多的订单时，自动阻止或取消订单。
允许算法在执行过程中调整执行参数，通常是在市场条件发生变化，或算法表现出不理想或意想不到的方式。这一点很重要，例如，在流动性特别低的情况下，做市商可能主导交易量或完全停止交易。
涉及对日内市场的持续监控，并在突破限额时与对手方进行交易。算法识别错误和潜在的问题，分析特定的场景并改进执行策略和风险控制。
You cannot copy content of this page
