取引端末上で予測市場分析を示す Quantum AI Trading データ視覚化

監査可能な公開取引ログに対してテストされた予測モデル

Quantum AI Trading は市場データをリアルタイムで分析し、生成されるすべての推奨事項を公開するため、保証ではなく証拠に基づいてモデルの精度を判断できます。

ライブログにアクセスする
240万以上 現在までにコミュニティによってレビューされたログに記録されたシグナル
<80ms 信号から実行までのレイテンシの中央値

モデルが推奨事項に到達する方法

各信号は固定された一連のステージを通過します。パイプラインが実行されると、何も自由にできないため、結果として得られるログを独立してチェックできます。

01 — 摂取

構造化データと非構造化データの取り込み

注文帳の深さ、過去の価格シリーズ、およびマクロ指標は、モデルが認識する前に共通のスキーマに正規化され、入力が歪む可能性が低減されます。

feed.orderbook → Normalise()
feed.macro → Normalise()
feed.volatility → Normalise()
出力:unified_tensor[t]
02 — モデルのスコアリング

独立したモデルにわたるアンサンブル予測

複数のモデルが同じウィンドウを個別にスコア付けします。彼らの間の合意は信頼を高めます。意見の相違がある場合は、通話を強制するのではなく信号を抑制します。

モデル_a.スコア(ウィンドウ)
model_b.score(ウィンドウ)
モデル_c.スコア(ウィンドウ)
分散 > しきい値の場合:suppress()
03 — リスクフィルタリング

ライブボラティリティに応じたポジションサイジング

別のリスクレイヤーは、現在のボラティリティとドローダウン状態に基づいてエクスポージャを制限します。つまり、同じシグナルが異なる日に異なるポジションサイズを生成する可能性があります。

露出 = ベースサイズ * vol_adj(t)
ドローダウン > リミットの場合: 露出 = 0
04 — 出版物

タイムスタンプ付きの公開ログへの書き込み

最終的な信号、その信頼スコア、およびリスク調整後のサイズは、実行前に透明性ログに書き込まれるため、後でレコードを編集することはできません。

log.write(シグナル、信頼度、サイズ、ts)
log.hash(エントリ) → append_only

主要なデータソース

  • レベル2の注文帳データ
  • 歴史的な OHLCV シリーズ (5 年以上)
  • ボラティリティ指数
  • マクロ経済リリースカレンダー
  • 取引所での出来高分布

予測だけではなく、リスク管理と反復可能なプロセスを中心に構築

予測の価値は、予測のサイジングと監視のためのフレームワークがなければ制限されます。これらは、パブリッシュされたすべてのシグナルの下にあるメカニズムです。

リアルタイムのリスク軽減

エクスポージャーは、シグナルが生成された時点で固定されるのではなく、ライブボラティリティとオープンドローダウンに対して継続的に再計算されます。これにより、突然の政権交代の影響が限定されます。

リスクは 4 秒ごとに再計算されます

スケーラブルな推奨出力

モデルロジック自体を変更することなく、同じ基礎となるシグナルセットを単一の小売口座向けにサイズ変更したり、機関投資家の執行システムに供給したりすることができます。

1 つのパイプライン、サイズに依存しない出力

監査可能な意思決定証跡

すべての推奨事項には信頼スコアとそれが導き出されたデータ ウィンドウが含まれるため、ユーザーはブラック ボックスを受け入れるのではなく、特定の結果をその入力まで遡って追跡できます。

すべての信号の完全な入力トレース

公開パフォーマンスの記録は継続的に更新されます

シグナルは生成された瞬間にログに書き込まれます。ここに示されているものは、結果が判明した後に厳選されたものではありません。

買うユーロ/米ドル会議0.8109:41:02
売るFTSE100 CFD会議0.7409:38:47
買うBTC/USD会議0.6809:35:19
売るポンド/円会議0.7709:31:55
買うUS30会議0.6309:28:04
— 抑制、閾値を超える分散 —

ログ エントリはハッシュ化され、順番に追加されるため、履歴レコードを遡って変更することはできません。コミュニティのメンバーは、タイムスタンプを独立した市場データ フィードと相互参照して、各エントリを確認できます。

コホート別の 8 週間のローリング方向精度 — 完全な内訳は公開ログで入手可能

動作をチェックする人のために構築された分析

Quantum AI Trading は、モデルのロジックを理解しているトレーダーは、単にモデルを信頼するように指示されたトレーダーよりもその出力を信頼するという前提で設計されました。すべてのダッシュボード要素は、データとその背後にある推論にリンクしています。

このプラットフォームはリスクを除去するとは主張していません。確率とエクスポージャーの全体像を把握して意思決定を行えるように、それを明確に定量化することを目的としています。

ワークステーションでモデル出力をレビューする Quantum AI Trading アナリスト

書籍の発行者に応じて適用方法が異なります

機関窓口

人員を追加せずに信号量をスクリーニングする

小さなデスクでは、チームを拡大したり、日中のボラティリティの変化を見逃すことなく、アナリストが手動でレビューできるよりも幅広い商品セットを監視する必要がありました。

同デスクはシグナル フィードを既存の実行システムに統合し、信頼度スコアを使用してサイジング前に手動で再確認する必要がある推奨事項をフィルタリングしました。

オフィス環境 — デスクワークフロー
個人の高頻度トレーダー

ボラティリティ急上昇時のエクスポージャーの削減

高頻度戦略を運用している独立系トレーダーは、手動によるリスク調整では突然のボラティリティの変化に遅れが生じ、場合によっては損失が拡大することを発見しました。

ポジションサイジングをプラットフォームのライブリスクレイヤーに接続することで、手動介入に先立って、ボラティリティの急上昇から数秒以内にエクスポージャが自動的に削減されました。

オフィス環境 - トレーディングターミナル

技術的な質問に直接回答

信号の生成と実行の間にどのくらいのレイテンシーが予想されるべきですか?

ログに記録された機器全体の信号から実行までのレイテンシの中央値は、モデル出力から注文送信までのリファレンス接続で測定して 80 ミリ秒未満です。ユーザー自身の実行の実際のレイテンシは、ブローカーとネットワーク パスによって異なります。そのため、ログには実行タイムスタンプではなく生成タイムスタンプが公開されます。

ユーザーとアカウントのデータはどのように保護されますか?

アカウントの資格情報と取引データは、転送中も保存中も暗号化され、シグナルを生成するモデル インフラストラクチャとは別に保持されます。シグナルの生成には証券口座へのアクセスは必要ありません。実行システムへの接続はオプトインであり、いつでも取り消すことができます。

モデルはどのくらいの頻度で再トレーニングされますか?

モデルの重みは、最近のサンプル外のパフォーマンスに対してローリングベースで見直されます。再トレーニングは、固定カレンダーではなく、ホールドアウト セットに対する精度の測定可能な低下によってトリガーされるため、変更はスケジュールではなく証拠に関連付けられます。

パフォーマンス ログを個別に検証できますか?

はい。各エントリにはタイムスタンプが付けられ、順序を維持する方法で追加され、各タイムスタンプの基礎となる市場状況を独立した公開データ フィードと照合できます。取引の結果が判明した後、履歴エントリを修正することはありません。

プラットフォームは特定の収益率を保証しますか?

いいえ。プラットフォームは過去のデータとライブデータに基づいて確率とリスクを定量化しますが、市場の状況は変化するため、過去の精度が将来の結果を決定するわけではありません。予測される数値に依存するのではなく、パフォーマンスを直接評価できるようにログを公開します。

資本を投入する前に方法論を確認する

ほとんどのユーザーは、公開されたログと方法論をすべて読むことから始め、リスクのフレームワークが明確になったら、限定的な技術デモに移ります。そのプロセスのどの段階でも、ライブ アカウントに接続する必要はありません。