Close
Opix Algo 的一個關鍵功能是通過從交易場所的市場數據中獲取信息並創建當前市場狀況的匯總圖來為執行決策提供信息，從而降低外匯市場的不透明性。 這種聚合視圖也稱為聚合訂單簿，提供近乎實時的交易量估計。
該分析的主要目的是減少市場影響、減少滑點並根據交易數據（價格、規模和方向）預測未來價格走勢，以實現最小化執行成本的實時決策
線性回歸算法是一種經典的數學和統計工具，用於衡量兩個變量之間的關聯。從技術上講，如果有一個自變量X和一個取決於X的因變量Y，線性回歸可以幫助我們得到一個最適合數據集的線性模型Y=α+βX。
Opix Algo通過使用線性回歸模型來 預測基於微觀結構變化的資產價格變化。它通過首先找到一組最適合訓練數據的係數來進行這些預測，其中最適合的係數是通過最小化某個成本函數來確定的。在找到係數（β）後，它通過將係數與特定資產的輸入變量相乘來進行預測。輸入的數據包括但不限於資產價格、交易量、技術指標、限價訂單簿、訂單大小和時間框架。
基於人工神經網絡的決策是為競價策略、風險管理、分析模式和預測而開發的。人工神經網絡有能力從我們的數據輸入中學習和產生自己的知識，如訂單簿、投標價格、訂單流，它試圖通過給出一個解決方案來預測資產的價格變化。在時間序列問題上，ANN需要從歷史數據集中建立一個預測模型來預測未來的數據點。簡而言之，ANN模型通過對 需求和供應模式進行分類，足以深入了解市場的方向性變化。
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% |
結果以不同的過濾值報告。 Opix Algo將把結果分解為不同的績效指標。如下所示：
在市場訂單被發送至市場之前對其進行檢查。它們允許在交易發生在定義的價格閾值之外、超過最大規模、或自動發布過多的訂單時，自動阻止或取消訂單。
允許算法在執行過程中調整執行參數，通常是在市場條件發生變化，或算法表現出不理想或意想不到的方式。這一點很重要，例如，在流動性特別低的情況下，做市商可能主導交易量或完全停止交易。
涉及對日內市場的持續監控，並在突破限額時與對手方進行交易。算法識別錯誤和潛在的問題，分析特定的場景並改進執行策略和風險控制。
You cannot copy content of this page
