Todas las herramientas que un trader cuantitativo necesita: desde la generación de estrategias hasta la gestión de riesgos, la obtención de datos y la composición de portafolios.
Cinco modos distintos de IA para generar, predecir y gestionar operaciones con grandes modelos de lenguaje.
Clasifique las condiciones de mercado en regímenes de Tendencia, Rango, Consolidación, Oscilación o Personalizado, y luego genere señales de entrada adaptadas al régimen. El enfoque de dos capas separa la clasificación de la lógica de entrada.
pages.quantnexus.featuresPage.mod2Desc
El LLM evalúa cada barra de precios con contexto completo. Filosofía, indicadores y estado del mercado. Para decisiones granulares de compra/venta/espera en cada vela.
LLM-assisted decisions can run at user-configured intervals instead of every bar. Cost and throughput depend on the selected provider, model, data, and workload.
Describa estrategias en lenguaje natural, itere mediante chat, obtenga código Python ejecutable. Elimina la barrera de programación para traders con fuerte intuición.
Reglas de salida con defensa en profundidad y filtros de condición de mercado para proteger el capital.
Bloquee operaciones en condiciones desfavorables mediante reglas de observación basadas en indicadores. Separa "¿debo operar?" de "¿qué operación?" para reducir señales falsas y drawdowns.
Sistema de salida de cinco reglas: Circuit Breaker, Límite de tiempo, Detección de régimen, Límite de drawdown y Guardia de indicadores. Múltiples capas de seguridad independientes previenen pérdidas catastróficas.
Datos de mercado multi-fuente con caché local y análisis de backtest en tiempo real.
Community YFinance and Dukascopy routes, plus separately admitted providers and local Parquet data paths.
Curvas de equity en vivo, registros de operaciones y panel de 7 métricas (PnL, Sharpe, MaxDD, Win Rate, Profit Factor) transmitidos mientras se ejecuta el backtest. Detecte estrategias fallidas anticipadamente.
Local C++ executor with Apache Arrow data paths and reproducible backtest Artifacts. Performance claims are published per benchmark workload.
GratuitoTransparent Community baselines and separately admitted advanced fusion and factor screening.
Community equal-weight combination and replay provide a transparent baseline. Advanced fusion, scoring, ranking, and model research are separately admitted.
El nivel gratuito incluye el motor de backtest C++, detección de régimen y datos YFinance + Dukascopy: todo lo que necesitas para comenzar a construir a escala.