loader image

오픽스 알고리즘

리스크 관리 품질 실행 심층 분석

오픽스 알고리즘은 주문장 역학 등 시장 미세구조를 분석해 FX 시장에서 차익거래 기회를 파악해 거래 결정을 내리는 알고리즘 거래 서비스입니다.

오픽스 알고리즘

구성

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

면책 조항

금융 시장은 빠르게 변화하며 우리는 적절한 통지 없이 고객에게 가장 이익이 되는 방향으로 전략을 변경할 권리를 보유합니다.

주문 실행
주문 흐름 데이터 제공

유동성
제공자

주문 일치

오픽스 알고리즘

구조도

속도<1s

100% 채워진 주문

주문 제출

주문 라우팅

주문 실행주문 흐름 데이터 제공

유동성
제공자

주문 일치

오픽스 알고리즘

구조도

속도 <1s

100% 채워진 주문

주문 제출

주문 라우팅

오픽스 알고리즘

구조도

속도 <1s

100% 채워진 주문

CEO

시장을 100% 정확하게 예측할 수 있는 사람은 없다. 그것은 모두 통계, 확률, 위험 보상 비율에 관한 것입니다.

오픽스 무역 오픽스 알고리즘의 중추

오픽스 무역은 주문 흐름 분석을 위해 특별히 설계된 최첨단 거래 및 분석 플랫폼입니다. 그것은 깊고 편리한 시장 분석에 필요한 모든 도구를 갖추고 있습니다.

오픽스 알고리즘은 주문 흐름별로 시장 미세구조를 분석하여 물량 분포 데이터를 얻고 주문을 제한하여 시장 메이커의 수요/공급 범위를 결정합니다. 메이커의 주문 흐름은 매우 유익하고 환율에 대한 가장 강력한 예측력을 가지고 있으며 주요 기초 정보를 반영할 가능성이 있습니다. 그들의 주문 흐름은 영구적인 예측력을 가지고 있는 반면, 다른 그룹에서 비롯된 주문 흐름은 환율의 일시적인 변화만을 예측합니다. 이러한 데이터는 높은 볼륨 영역을 예측하여 가격 발견을 용이하게 하고 신뢰할 수 있는 수익률 곡선을 개발하기 위해 전송될 수 있습니다. 우리는 주문 흐름이 개인 정보에 대한 유효한 대리 변수이며 외환, 주식, 채권 및 선물 시장에서 우리의 연구에 종종 사용된다고 믿습니다. 주문 흐름 분석을 통해 아래 데이터를 읽을 수 있습니다:

마켓 메이커는 투자자들이 증권을 사고 팔 수 있는 시장을 만드는 것을 돕는 거래소의 개인 참여자 또는 회원 회사입니다. 전통적으로, 제공자(‘메이커’)와 고객 사이의 FX 거래는 대리점 또는 주요 기반으로 수행되었습니다. 제공자가 주계약자(‘메이커’) 역할을 하는 경우, 그들은 거래를 자신의 계정에 추가하며 시장 위험에 노출됩니다. 예를 들어, 거래자(‘수매자’)가 7개의 시장 구매 주문을 제출할 때, 거래는 메이커에 의해 공급됩니다. 따라서 메이커는 7개의 매도 주문 위험에 노출됩니다.

메이커들은 위험을 회피하기 때문에, 그들의 목표는 변동성을 줄이면서 그들의 부의 기대 가치를 증가시키고 있습니다. 메이커가 장기적인 입장을 취하고 있을 때, 추가 주문을 사는 것은 위험 노출을 증가시키기 때문에 매력적이지 않으며, 판매 주문은 노출을 감소시키기 때문에 매력적입니다. 따라서, 메이커들은 가치 가격 범위에서 그들의 위치를 축소하려고 노력하고 있습니다.

오픽스 알고리즘은 주문 흐름과 메이커 창고량에 대한 이러한 분석을 통해 메이커가 주어진 가격 범위 내에서 거래를 채우기 위해 재고를 축적하거나 줄일 가능성을 확인할 수 있었습니다. 같은 토큰으로, 오픽스 알고리즘은 주어진 가격 범위에서 대량 공급의 확률을 예측할 수 있어, 우리가 가장 낮은 비용으로 우리의 거래를 채울 수 있다는 것을 보장할 수 있습니다.
선형 회귀는 두 변수 사이의 연관성을 측정하는 데 사용되는 고전적인 수학 및 통계 도구입니다. 독립 변수 X와 X에 의존하는 종속 변수 Y가 있다면, 선형 회귀는 Y=α+βX 방정식을 사용하여 데이터 집합에 가장 적합한 선형 모델을 얻는 데 도움이 될 수 있습니다.

오픽스 알고리즘은 선형회귀모형을 이용하여 미세구조의 변화에 따른 자산가격변동을 예측합니다. 먼저 훈련 데이터에 가장 적합한 계수 집합을 찾아 이러한 예측을 수행하며, 여기서 특정 비용 함수를 최소화하여 최적의 적합성을 결정합니다. (β)의 계수를 구한 후, 주어진 자산에 대한 입력 변수와 계수를 곱하여 예측합니다. 데이터 입력은 자산 가격, 거래량, 기술 지표, 주문 제한부, 주문 규모 및 기간으로 제한되지만 이에 국한되지는 않습니다.

인공 신경망 기반 결정은 입찰 전략, 위험 관리, 패턴 분석 및 성과 예측을 위해 개발됩니다. ANN은 솔루션을 제공하여 자산 가격 변동을 예측하려는 주문서, 입찰-매도 가격, 주문 흐름과 같은 데이터 입력으로부터 자체 지식을 학습하고 생성할 수 있는 능력을 가지고 있습니다. 시계열 문제에서 ANN은 미래 데이터 포인트를 예측하기 위해 과거 데이터 세트에서 예측 모델을 구축해야 합니다. 요컨대, ANN 모델은 수요와 공급 패턴을 분류하여 시장의 방향 변화에 대한 통찰력을 얻기에 충분합니다.

날짜

AUD - USD 2019

EUR - USD 2019

데이터 세트의 숫자

훈련

시험

1,390

600

1,340

500

결과

MAE

RSME

0.005

0.0054

0.0048

0.005

표 1: "수요" 및 "공급" 패턴을 분류하기 위한 ANN 모델의 결과

날짜

AUD - USD 2019

EUR - USD 2019

수요공
급그룹

공급 구역

수요 구역

공급 구역

수요 구역

결과

MAE

RSME

0.0454

0.1939

0.081

0.2501

0.013

0.0614

0.0642

0.2283

표 2: 각 그룹의 다른 유형의 패턴을 분류하기 위한 ANN 모델의 결과

표 1: "수요" 및 "공급" 패턴을 분류하기 위한 ANN 모델의 결과

표 2: 각 그룹의 다른 유형의 패턴을 분류하기 위한 ANN 모델의 결과

동적 시간 왜곡(DTW) 알고리즘은 거래 시스템 내부의 효율적인 일치 패턴입니다. DTW는 시퀀스 간의 최적 일치가 발견될 때까지 거리를 왜곡하여 벡터 값의 두 시퀀스를 측정하는 시계열 정렬 알고리즘입니다. 오픽스 알고리즘은 DTW를 구현해 예측 가격대에서 거래 포지션 매칭과 결정을 자동화합니다.

실험데이터 세트정확도
1AUD - USD 2019 (1-8월)70%
2EUR - USD 2019 (1-8월)72%

표 3: DTW 알고리즘 예측

수요와 공급의 패턴 구현

그룹 패턴을 학습하고 테스트하기 위한 ANN

ANN은 각 수요 및 공급 그룹에서 서로 다른 유형의 패턴을 학습하고 테스트합니다

분류를 위해 우리의 ANN 모델을 사용하여 알려지지 않은 패턴을 평가합니다.

DTW 알고리즘을 구현하여 그룹 예측

결과가 서로 다른 필터 값으로 보고됩니다. 오픽스 알고리즘은 결과를 다음과 같이 다양한 거래 실적 지표로 분류합니다.

총이익

총이익 = Σ 이익/ 손실

거래당 최대 손실

거래당 최대 손실 = 최소 [손익]

거래당 최대 이익

거래당 최대 이익 = 최대 [손익]

거래당 평균 이익

거래당 평균 이익 = 총 이득 / 총 거래 수 ​

낙찰거래

거래 성사 = 거래 | (이익/손실 > 0)

낙찰 거래 비율

낙찰 거래 비율 = [ 우승 무역/ buy 구매_신호 + sell 판매_신호] x 100

완벽한 선견지명을 위한 정확한 거래 비율

올바른 거래 = trades 거래 |신호 PF 완벽한 선견지명을 위한 올바른 거래 비율 = [ correct 올바른 거래 / trades 거래 ] x 100

이 페이지에서 언급한 분석 방법은 오픽스 알고리즘의 전략입니다. 데이터 공급자의 볼륨, 주문 및 거래 데이터에서 파생됩니다. 우리의 알고리듬은 선형 회귀 모델이 미세 구조와 시장 깊이의 변수를 결정할 수 있음을 보여주었습니다. ANN 모델은 수요와 공급 구역의 패턴을 분류하고 DTW 알고리듬에 대한 결과 트렌드 벡터 값을 저장하여 미래의 가격 범위를 예측할 수 있습니다. 같은 척도로, 제조사 창고량은 FX 시장에서 제조사의 역할과 자본으로 인해 필수적인 데이터입니다.

이 모델들을 결합하면 오픽스 알고리즘은 기본적인 거래 전략으로도 수익을 낼 수 있습니다. 따라서, 우리는 오픽스 알고리즘이 단기 방향 변화에 대한 통찰력과 외환 시장에서 높은 물량 가격 범위에서 거래할 수 있는 능력을 얻기에 충분하다고 결론을 내립니다.

과거 실적

검증된 알고리즘으로 자금을 확장하고 지속 가능한 부의 창출을 보장합니다

위험

알고리즘 안전

시장 리스크는 불리한 시장 움직임, 알고리즘의 잠재적 실패, IT 시스템 및 프로세스 및 인적 오류에서 발생합니다

오픽스 알고리즘 거래
전 통제

시장으로 발송되기 전에 시장 주문을 확인하십시오. 정의된 가격 임계값을 벗어나 거래가 발생하거나, 최대 크기를 초과하거나, 자동으로 주문을 게시하거나 초과 주문을 취소하는 즉시 자동으로 주문을 차단하거나 취소할 수 있습니다.

오픽스 알고리즘 기내
조종 장치

사용자나 공급자가 실행 중에 실행 매개 변수를 조정할 수 있도록 합니다. 종종 시장 상황이 변경되거나 알고리즘이 바람직하지 않거나 예기치 않은 방식으로 동작할 때입니다. 예를 들어, 이것은 시장 메이커가 거래량을 지배하거나 거래를 완전히 중단할 수 있을 때 특히 유동성이 낮은 경우에 중요합니다.

오픽스 알고리즘 포스트
트레이드 통제

일일 시장의 지속적인 모니터링과 한도 위반 시 거래 상대방과 거래하는 것을 포함합니다. 알고리즘은 오류와 잠재적인 문제를 식별하여 특정 시나리오를 분석하고 실행 전략과 위험 제어를 개선합니다.

LANGUAGE