Weit Bürgnavenz łączy plany regularnego oszczędzania z modelami predykcyjnymi, które stale oceniają zmienność i strukturę rynku. Zamiast sztywnych odstępów czasu system sam decyduje, kiedy statystycznie taniej jest zacząć.
Interfejs pokazuje strefy wejścia, pasma zmienności i status aktualnych pozycji na wspólnej osi czasu – zrozumiałej, a nie czarnej skrzynki.
Weit Bürgnavenz jest przeznaczony dla użytkowników, którzy cenią automatyzację, ale nie chcą podejmować decyzji bez wglądu w logikę leżącą u ich podstaw. Każda rekomendacja opiera się na zrozumiałych sygnałach z analizy zmienności i struktury księgi zamówień, a nie na ogólnej heurystyce.
Platforma skierowana jest do doświadczonych technicznie traderów i inwestorów w Niemczech, którzy chcą usystematyzować powtarzające się decyzje inwestycyjne bez utraty kontroli nad parametrami i limitami ryzyka.
Ręczny DCA ma tendencję do przestrzegania sztywnych harmonogramów, podczas gdy decyzje dotyczące handlu jednodniowego są często podejmowane pod presją czasu i wyczerpaniem emocjonalnym. Obydwa podejścia mają potencjał w zakresie jakości na poziomie podstawowym.
System przetwarza kilka poziomów danych równolegle i wyprowadza ocenę na poziomie podstawowym, która jest stale aktualizowana, a nie opiera się na stałych wartościach progowych.
Zmienność historyczna i implikowana są stale porównywane, aby odróżnić okresy zwiększonej niepewności od ruchów trendów strukturalnych.
Modele statystyczne ważą głębokość księgi zamówień, dynamikę i rozkład wolumenu, aby obliczyć prawdopodobieństwo korzystnego punktu wejścia.
Maksymalne wielkości pozycji i progi wypłat są z góry określone i przestrzegane podczas każdej automatycznej realizacji, niezależnie od sygnału.
Dane rynkowe są na bieżąco importowane za pośrednictwem standardowych interfejsów, dzięki czemu wycena wstępna nie opiera się na nieaktualnych poziomach cen.
Proces jest podzielony na zrozumiałe etapy, dzięki czemu każdą zautomatyzowaną decyzję można prześledzić do konkretnego etapu przetwarzania.
Dane dotyczące cen, wolumenów i księgi zamówień są stale rejestrowane z podłączonych źródeł.
Modele predykcyjne oceniają bieżące warunki rynkowe w odniesieniu do wzorców historycznych.
Na podstawie oceny ustala się okno czasowe dla kolejnego częściowego zakupu.
Zamówienie składane jest poprzez API w ramach określonych limitów ryzyka.
Pozycje są stale porównywane z określonymi wartościami progowymi.
Parametry optymalizacji wejścia mogą być przypisywane różnym wagom w zależności od strategii bez zmiany podstawowej metodologii.
Budując większe pozycje, system rozdziela zakupy na kilka stref wejściowych, zamiast umieszczać cały wolumen na raz. Zmniejsza to zależność od jednego poziomu cen.
Kontrapozycje można powiązać z progami zmienności, tak aby zabezpieczenie było tworzone automatycznie dopiero po przekroczeniu określonych wskaźników ryzyka, zamiast być aktywne przez cały czas.
W przypadku dłuższych horyzontów inwestycyjnych system priorytetowo traktuje większe okna czasowe i niższą częstotliwość interwencji, co zmniejsza koszty transakcji przy jednoczesnym zachowaniu jakości wejścia w przypadku częściowego zakupu.
Poniższe punkty dotyczą aspektów technicznych, które są zwykle sprawdzane w ramach automatycznego wykonywania.
Dostęp odbywa się za pomocą kluczy z ograniczonymi uprawnieniami, które umożliwiają jedynie handel i dostęp do danych. Funkcje, które kwalifikują się do wypłat, nie są uwzględnione.
Przetwarzanie odbywa się za pośrednictwem bieżących połączeń strumieniowych, dzięki czemu czas pomiędzy oceną modelu a przesłaniem zamówienia jest krótki. Rzeczywista prędkość realizacji zależy również od podłączonej platformy transakcyjnej.
Modele są kalibrowane przy użyciu historycznych danych rynkowych i regularnie poddawane ponownemu szkoleniu na podstawie aktualnych danych, aby uwzględnić zmiany w strukturze rynku.
Rozmiary pozycji, maksymalne progi wypłat i zasady wstrzymywania są ustalane przed aktywacją i można je w razie potrzeby dostosować.
Jeżeli połączenie danych zostanie przerwane, automatyczne wykonanie zostanie wstrzymane do czasu przywrócenia stabilnego połączenia, aby uniknąć podejmowania decyzji na podstawie niekompletnych danych.
Analiza pokazuje, jak system zareagowałby na historyczne i aktualne dane rynkowe przed aktywacją automatycznych realizacji.