Ogni strumento di cui un trader quantitativo ha bisogno: dalla generazione di strategie alla gestione del rischio, dal reperimento dei dati alla composizione del portafoglio.
Cinque modalità IA distinte per generare, prevedere e gestire operazioni con modelli linguistici di grandi dimensioni.
Classifica le condizioni di mercato in Trend, Range, Consolidamento, Oscillazione o Bespoke, quindi genera segnali di entrata consapevoli del regime. L\'approccio a due livelli separa la classificazione dalla logica di entrata.
pages.quantnexus.featuresPage.mod2Desc
L\'LLM valuta ogni barra di prezzo con contesto completo. Filosofia, indicatori e stato del mercato. Per decisioni granulari di acquisto/vendita/attesa su ogni candela.
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.
Descrivi le strategie in linguaggio naturale, itera tramite chat, ottieni codice Python eseguibile. Elimina la barriera alla programmazione per i trader con forte intuizione.
Regole di uscita a difesa in profondità e filtri delle condizioni di mercato per proteggere il capitale.
Blocca le operazioni in condizioni sfavorevoli usando regole di osservazione basate su indicatori. Separa "devo fare trading?" da "quale trade?" per ridurre i falsi segnali e i drawdown.
Sistema di uscita a cinque regole: Circuit Breaker, Limite di tempo, Rilevamento regime, Limite drawdown e Indicator Guard. Più livelli di sicurezza indipendenti prevengono perdite catastrofiche.
Dati di mercato multi-fonte con caching locale e analisi backtest in tempo reale.
Community YFinance and Dukascopy routes, plus separately admitted providers and local Parquet data paths.
Curve di equity live, log delle operazioni e dashboard a 7 metriche (PnL, Sharpe, MaxDD, Win Rate, Profit Factor) in streaming durante l\'esecuzione del backtest. Identifica le strategie fallimentari precocemente.
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.
Il livello gratuito include il motore di backtest C++, rilevamento regime e dati YFinance + Dukascopy: tutto ciò che serve per iniziare a costruire su scala.