做市商是交易所的个人参与者或成员公司,他们帮助创造市场,让投资者购买或出售证券。传统上,提供者(”做市商”)和客户之间的外汇交易是在代理或委托的基础上进行的。如果提供者作为委托人(’做市商’),他们将交易加入自己的账户,因此他们面临市场风险。例如,当交易者(”交易方”)提交7手市场买单时,该交易由做市商提供。因此,做市商暴露了7手卖单的市场风险。
由于做市商是风险厌恶者,他们的目标是增加其财富的预期价值,减少其风险性。当做市商有一个多头头寸时,购买额外的订单是没有吸引力的,因为它增加了他的风险暴露;卖出订单是有吸引力的,因为它减少了风险。因此,做市商正在寻求在一个价值价格范围内减持他们的头寸。
这种对订单流,和做市商仓库量的分析,使Opix Algo能够确定做市商积累或减少库存的可能性,以便在特定的价格范围内完成交易。同样,Opix Algo可以预测在给定价格范围内大量供应的概率,使我们能够保证以最低成本完成交易。
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。