What latency should I expect between signal generation and execution?

Median signal-to-execution latency across logged instruments is under 80 milliseconds, measured from model output to order submission on our reference connection. Actual latency for your own execution will depend on your broker and network path, which is why we publish generation timestamps rather than execution timestamps in the log.

How is user and account data secured?

Account credentials and trading data are encrypted in transit and at rest, and are held separately from the model infrastructure that generates signals. Signal generation does not require access to your brokerage account; connection to execution systems is opt-in and can be revoked at any time.

How often are the models retrained?

Model weights are reviewed on a rolling basis against recent out-of-sample performance. Retraining is triggered by a measurable drop in accuracy against a holdout set, not on a fixed calendar, so that changes are tied to evidence rather than schedule.

Can the performance log be independently verified?

Yes. Each entry is timestamped and appended in an order-preserving manner, and the underlying market conditions at each timestamp can be cross-checked against independent public data feeds. We do not amend historical entries after the outcome of a trade is known.

Does the platform guarantee a specific rate of return?

No. The platform quantifies probability and risk based on historical and live data, but market conditions change and past accuracy does not determine future results. We publish the log so that you can assess performance directly rather than rely on a projected figure.

Visualisation de données Quantum AI Trading montrant une analyse prédictive du marché sur un terminal de trading

Performances vérifiées

Modèles prédictifs testés sur la base de journaux de trading publics et vérifiables

Quantum AI Trading analyse les données de marché en temps réel et publie chaque recommandation qu'il produit, afin que vous puissiez juger de l'exactitude du modèle sur la base de preuves plutôt que d'assurance.

Accéder aux journaux en direct

2,4 millions+ Signaux enregistrés examinés par la communauté à ce jour

<80ms Latence médiane du signal à l’exécution

Méthodologie

Comment les modèles parviennent à une recommandation

Chaque signal passe par une séquence fixe d'étapes. Rien n'est discrétionnaire une fois le pipeline exécuté, ce qui permet de vérifier indépendamment le journal résultant.

01 — Ingestion

Prise de données structurées et non structurées

La profondeur du carnet de commandes, les séries de prix historiques et les indicateurs macro sont normalisés dans un schéma commun avant qu'un modèle ne les voie, réduisant ainsi le risque d'entrées asymétriques.

feed.orderbook → normaliser()
feed.macro → normaliser()
feed.volatility → normaliser()
sortie : unified_tensor[t]

02 — Notation du modèle

Prédiction d'ensemble sur des modèles indépendants

Plusieurs modèles marquent la même fenêtre indépendamment. L’accord entre eux renforce la confiance ; un désaccord supprime le signal plutôt que de forcer un appel.

model_a.score(fenêtre)
model_b.score (fenêtre)
model_c.score (fenêtre)
si variance > seuil : suppress()

03 — Filtrage des risques

Dimensionnement des positions limité par la volatilité en direct

Une couche de risque distincte plafonne l'exposition en fonction de la volatilité actuelle et de l'état de baisse, ce qui signifie que le même signal peut produire différentes tailles de position à différents jours.

exposition = base_size * vol_adj(t)
si rabattement > limite : exposition = 0

04 — Parution

Écriture horodatée dans le journal public

Le signal final, son score de confiance et la taille ajustée au risque sont écrits dans le journal de transparence avant l'exécution, de sorte que l'enregistrement ne peut pas être modifié après coup.

log.write (signal, confiance, taille, ts)
log.hash (entrée) → append_only

Sources de données principales

Données du carnet de commandes niveau 2
Série historique OHLCV (5+ ans)
Indices de volatilité
Calendriers de publication macroéconomiques
Distribution des volumes en bourse

Valeur fondamentale

Construit autour du contrôle des risques et d’un processus reproductible, et pas uniquement sur les prévisions

La valeur d’une prédiction est limitée sans un cadre pour la dimensionner et la surveiller. Ce sont les mécanismes qui se trouvent sous chaque signal publié.

Atténuation des risques en temps réel

L'exposition est recalculée en permanence en fonction de la volatilité en direct et des pertes ouvertes, plutôt que fixée au moment où un signal est généré. Cela limite l’impact des changements soudains de régime.

Risque recalculé toutes les 4 secondes

Sortie de recommandation évolutive

Le même ensemble de signaux sous-jacents peut être dimensionné pour un seul compte de détail ou intégré à un système d’exécution institutionnel sans modifier la logique du modèle lui-même.

Un pipeline, sortie indépendante de la taille

Piste de décision vérifiable

Chaque recommandation comporte un score de confiance et la fenêtre de données à partir de laquelle elle est dérivée, afin que les utilisateurs puissent retracer un résultat spécifique jusqu'à ses entrées plutôt que d'accepter une boîte noire.

Trace d'entrée complète sur chaque signal

Journal de transparence

Dossiers de performance publics, mis à jour en permanence

Les signaux sont écrits dans le journal au moment où ils sont générés. Rien de ce qui est montré ici n’est organisé une fois que le résultat est connu.

ACHETEREUR/USDconf. 0,8109:41:02

VENDRECFD FTSE100conf. 0,7409:38:47

ACHETERBTC/USDconf. 0,6809:35:19

VENDREGBP/JPYconf. 0,7709:31:55

ACHETER30 USconf. 0,6309:28:04

— supprimé, écart supérieur au seuil —

Les entrées du journal sont hachées et ajoutées dans l'ordre, de sorte que les enregistrements historiques ne peuvent pas être modifiés rétroactivement. Les membres de la communauté peuvent croiser les horodatages avec des flux de données de marché indépendants pour confirmer chaque entrée.

Précision directionnelle sur 8 semaines glissantes, par cohorte – répartition complète disponible dans le journal public

Derrière les modèles

Analyse conçue pour les personnes qui vérifient le fonctionnement

Quantum AI Trading a été conçu sur le principe que les traders qui comprennent la logique d'un modèle feront davantage confiance à son résultat que ceux qui lui demandent simplement de lui faire confiance. Chaque élément du tableau de bord renvoie aux données et au raisonnement qui les sous-tend.

La plateforme ne prétend pas supprimer les risques. Il vise à le quantifier suffisamment clairement pour que des décisions puissent être prises avec une image plus complète de la probabilité et de l’exposition.

Analyste Quantum AI Trading examinant la sortie du modèle sur un poste de travail

Cas d'utilisation

Appliqué différemment selon qui gère le livre

Bureau institutionnel

Contrôler le volume du signal sans ajouter d'effectifs

Un petit bureau devait surveiller un ensemble d'instruments plus large que celui que ses analystes pouvaient examiner manuellement, sans élargir l'équipe ni manquer les changements de volatilité intrajournaliers.

Le bureau a intégré le flux de signaux dans son système d'exécution existant, en utilisant les scores de confiance pour filtrer les recommandations justifiant un deuxième examen manuel avant de les dimensionner.

Environnement de bureau – flux de travail de bureau

Trader privé haute fréquence

Réduire l’exposition lors des pics de volatilité

Un trader indépendant exécutant une stratégie à haute fréquence a constaté que l'ajustement manuel du risque était en retard par rapport aux changements soudains de volatilité, amplifiant parfois les pertes.

En connectant le dimensionnement des positions à la couche de risque en direct de la plateforme, l'exposition a été automatiquement réduite quelques secondes après un pic de volatilité, avant toute intervention manuelle.

Environnement de bureau — terminal de trading

Foire aux questions

Questions techniques, répondues directement

À quelle latence dois-je m'attendre entre la génération du signal et son exécution ?

La latence médiane du signal à l'exécution sur les instruments enregistrés est inférieure à 80 millisecondes, mesurée depuis la sortie du modèle jusqu'à la soumission de la commande sur notre connexion de référence. La latence réelle de votre propre exécution dépendra de votre courtier et du chemin réseau, c'est pourquoi nous publions les horodatages de génération plutôt que les horodatages d'exécution dans le journal.

Comment les données des utilisateurs et des comptes sont-elles sécurisées ?

Les informations d'identification du compte et les données de trading sont cryptées en transit et au repos, et sont conservées séparément de l'infrastructure modèle qui génère les signaux. La génération de signal ne nécessite pas d'accès à votre compte de courtage ; la connexion aux systèmes d'exécution est facultative et peut être révoquée à tout moment.

À quelle fréquence les modèles sont-ils recyclés ?

Les pondérations du modèle sont examinées sur une base continue par rapport aux performances récentes hors échantillon. Le recyclage est déclenché par une baisse mesurable de la précision par rapport à un ensemble d'éléments résistants, et non sur un calendrier fixe, de sorte que les changements sont liés à des preuves plutôt qu'à un calendrier.

Le journal des performances peut-il être vérifié de manière indépendante ?

Oui. Chaque entrée est horodatée et ajoutée de manière à préserver les ordres, et les conditions de marché sous-jacentes à chaque horodatage peuvent être recoupées avec des flux de données publiques indépendants. Nous ne modifions pas les entrées historiques une fois que le résultat d’une transaction est connu.

La plateforme garantit-elle un taux de rendement spécifique ?

Non. La plateforme quantifie la probabilité et le risque sur la base de données historiques et en direct, mais les conditions du marché changent et la précision passée ne détermine pas les résultats futurs. Nous publions le journal afin que vous puissiez évaluer les performances directement plutôt que de vous fier à un chiffre projeté.