loader image

Opix Algo​

风险控制 质量执行 深度分析

Opix Algo 是一种算法交易服务,通过分析市场微观结构(例如订单簿动态)来确定外汇市场中的套利交易机会,从而做出交易决策。

OPIXALGO

架构

LP 1

LP 2

LP 3

LP 4

Price Feed

Maker Warehouse Volume

Pending Order

Liquidation

Economic Statistic

OPIX TRADE

METADATA
SUMMARY DATA
RAW DATA

Transaction Cost Analysis (TCA)

ENTRY STRATEGY

Evaluate patterns and predict trends

Risk & Error Management

Determine Exit Price Range

Exit Strategy

OPIX ALGO

Value Area

1.0060-1.0070

1.0050-1.0060

1.0040-1.0030

1.0020-1.0030

1.0010-1.0020

Probability Of Profit

80%

50%

20%

60%

90%

DATA INPUT

EXTRACTION
TRANSFORMING
LOADING

ANALYSING MAKER WAREHOUSE VOLUME

VARIABLES AND STRATEGY ANALYSING

ANALYSING MAKER WAREHOUSE VOLUME

ANALYSING MAKER WAREHOUSE VOLUME

免责声明

金融市场是一个瞬息万变的行业,我们有权改变我们的交易策略,为我们的客户带来最好的回报。

订单执行
提供订单簿数据

流动性
提供商

订单匹配

Opix Algo

结构图

速度<1秒

已完成的订单 100%

订单提交

订单的路由

订单执行
提供订单簿数据

流动性
提供商

订单匹配

Opix Algo

结构图

速度<1秒

已完成的订单 100%

订单提交

订单的路由

Opix Algo

结构图

速度<1秒

已完成的订单 100%

CEO

没有人能始终如一地预测市场。这都是关于统计学、概率和风险回报率。

OpixTrade 是Opix Algo的支柱

OpixTrade是一个尖端的交易和分析平台,是专门为订单流分析设计的。它配备了深层与便捷的市场分析所需的所有工具。

Opix Algo正在通过订单流分析市场微观结构,以获得交易量分布和限价订单的数据,从而确定做市商的需求/供应范围。做市商的订单流信息量很大,对汇率有最强的预测能力,可能反映了他们处理基本面信息的能力。他们的流动性具有永久的预测能力,而来自其他群体的流动性只能预测汇率的过渡性变化。这些数据可以被传输到预测高成交量的区域,以促进价格发现和制定可靠的收益曲线。

我们认为订单流是私人信息的有效代理变量,并经常被用于我们在外汇、股票、债券和期货市场的研究。订单流分析使我们能够读取以下数据:

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,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

Date

AUD - USD 2019

EUR - USD 2019

Number of Dataset

Training

Testing

1,390

600

1,340

500

Result

MAE

RSME

0.005

0.0054

0.0048

0.005

Table 1: Result of ANN Model for classifying “Demand” and “Supply” patterns

Date

AUD - USD 2019

EUR - USD 2019

Number of Dataset

Supply Zone

Demand Zone

Supply Zone

Demand Zone

Result

MAE

RSME

0.0454

0.1939

0.081

0.2501

0.013

0.0614

0.0642

0.2283

Table 2: Result of ANN Model for classifying different types of patterns in each group

Table 1: Result of ANN Model for classifying “Demand” and “Supply” patterns

Table 2: Result of ANN Model for classifying different types of patterns in each group

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。 

ExperimentDatasetAccuracy Rate
1AUD - USD 2019 (Jan - August)70%
2EUR - USD 2019 (Jan - August)72%

Table 3: DTW algorithm Prediction

实施了需求和供应组的模式

ANN学习和测试组别模式

ANN在每个需求和供应组中学习和测试不同类型的模式

用我们的ANN模型评估未知的模式,进行分类

实施DTW算法来预测组别。

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:

Total gain ​

Total Gain = Σ Profit / Loss ​

Largest loss per trade

Largest Loss per Trade = Minimum [ profit/loss ]

Largest gain per trade

Largest Gain per Trade = Maximum [ profit/loss ] ​

Average profit per trade

Average Profit per Trade = Total gain / Total No. of Trades​

Winning trades

Winning Trades = Σ Trades|(profit / loss > 0) ​

Percentage of Winning trades

Percentage of Winning Trades = [ Σ Winning Trades / Σ Buy_Signals + Σ Sell_ Signals ] x 100

Percentage of Correct Trades to Perfect Foresight

Correct Trades = Σ Trades|Signal PF
Percentage of Correct Trades to Perfect Foresight = [ Σ Correct Trades / Σ Trades ] x 100

我们在这一页中所说的分析方法是Opix Algo分析交易量、订单和交易数据的策略。我们的算法表明,线性回归模型可以确定微观结构和市场深度的变量;ANN模型可以对需求和供应区的模式进行分类,并为DTW算法存储结果趋势向量的值,以预测未来的价格范围。同样,由于做市商在外汇市场上的作用和资本,做市商库存量是非常重要的数据。

当合用这些模型时,Opix Algo即使采用基本的交易策略也是有利可图的。因此,我们得出结论,Opix Algo足以洞察外汇市场的短期方向性变化和在高成交量价格范围内的交易能力。

过去的表现

用有效的算法使你的资金增长,并确保产出可持续的财富

风险

算法安全

市场风险来自于不利的市场变动、算法、IT系统和流程的潜在故障以及人为错误。

Opix Algo 交易前的控制

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。

Opix Algo 交易执行中的控制

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。

Opix Algo 交易后的控制

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。

LANGUAGE