通过算法入场时机平滑市场波动的 Raven Quantis 数据可视化
算法 DCA 引擎

智能入场时机,实现系统的美元成本平均

Raven Quantis 实时分析订单簿深度、波动性和情绪数据,以校准每个 DCA 执行,减少滑点并消除重复条目中的手动猜测。

上图代表了样本资产在 90 天内的波动率走廊,其中模型确定了统计上有利的条件而不是固定间隔的位置放置了进入标记。

固定间隔购买忽略了市场上已有的信息

经典 DCA 根据日历执行,而不是根据条件执行。这种纪律可以防止情绪化决策,但它也会不加区别地买入基本数据模型可以提前标记的短期波动性峰值。

  • 预定失明: 固定间隔在流动性缺口期间以与稳定订单簿期间相同的价格购买。
  • 手动疲劳: 尝试手动计算入市时间的交易者会在会话和时区之间引入不一致的情况。
  • 情绪凌驾: 对 DCA 计划的随意调整是偏离既定策略的最常见原因。
波动性缺口——手动入场与校准入场
W1
W1
W2
W2
W3
W3
W4
W4
手动输入间隔 校准条目(型号)

系统如何构建每个执行决策

01 / 智能计时

进入窗口是派生的,而不是预定的

该引擎不是在每周一 09:00 购买,而是评估滚动波动带和短期订单流不平衡,然后在您配置的时间间隔的定义容差内选择执行窗口。

价格反馈 → 波动带 → 入学分数 → 执行窗口
02 / 风险缓解

头寸规模根据已确定的条件进行调整

每次执行的分配受到与基准金额的最大偏差的限制。该模型不能过度扩展到单个条目;它只能在您预先设置的限制内改变时间和大小。

基线金额 → 偏差上限 → 有界分配
03 / 自动执行

无需人工确认的订单路径

一旦确定了窗口和规模,订单就会通过 API 通过您连接的交易账户下达。无需刷新仪表板或手动单击即可完成计划周期。

信号已确认 → 交易API → 已记录订单

分析引擎处理什么以及以什么速度

该模型不依赖于单一指标。每个周期都会结合多个数据层,并根据资产的近期行为进行加权,然后生成条目分数。

订单簿深度

顶层的买/卖不平衡,持续采样以检测短期流动性变化。

已实现波动率

跨多个时间范围的滚动标准差,用于确定可接受的入场区间的大小。

体积分布

按价格水平划分的交易量分布,识别先前积累或拒绝的区域。

情绪信号

来自公开市场评论的汇总方向性偏差,作为次要而非主要输入进行加权。

资金及基础

在适用的情况下,跟踪永续资金利率和现货期货基础以获得拥挤信号。

历史回撤

资产类别过去的回撤模式,用于校准规模变化的剧烈程度。

<400毫秒 中位信号到决策延迟
24/7 持续市场监控
6 每个周期的加权数据层

两种不同的时间表,一种一致的录入逻辑

高频交易员监控日内流动性

对于运行短周期 DCA 策略的交易者来说,仪表板会显示每个执行窗口以及触发它的订单簿条件,如果其他位置已存在头寸,则允许手动覆盖记录。

下一个窗口00:18:42

每月周期的长期投资组合构建者

对于按月供款的投资者,系统会压缩预定日期周围的执行窗口,而不是完全放弃日历,从而保持供款纪律不变,同时减少单日峰值的风险。

循环每月 · 第 1–3 天

专为系统执行而不是预测而构建

Raven Quantis 不预测价格方向。引擎的任务范围更窄:在较短的窗口内识别何时条件对于计划的条目成本较低,并在您配置的限制内执行。

每个参数——偏差上限、数据权重、执行窗口——仍然可见且可调整。没有什么是像封闭的盒子一样运行的;每个决定背后的评分逻辑都可以在您的帐户日志中找到。

Raven Quantis 分析工作区显示定量数据监控

部署根据您的限制进行校准的算法 DCA 计划

在连接任何执行权限之前,首先对当前分配计划进行只读分析。无需交易访问权限即可查看模型的入场评分。

API 连接使用有范围的、可撤销的权限。从未请求撤回权。