Todas as ferramentas de que um trader quantitativo precisa: desde geração de estratégias à gestão de risco, obtenção de dados à composição de portfólio.
Cinco modos IA distintos para gerar, prever e gerir transações com grandes modelos de linguagem.
Classifique as condições de mercado em regimes Tendência, Intervalo, Consolidação, Oscilação ou Personalizado, depois gere sinais de entrada sensíveis ao regime. A abordagem de duas camadas separa a classificação da lógica de entrada.
pages.quantnexus.featuresPage.mod2Desc
O LLM avalia cada barra de preço com contexto completo. Filosofia, indicadores e estado de mercado. Para decisões granulares de compra/venda/espera em cada candle.
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.
Descreva estratégias em linguagem natural, itere via chat, obtenha código Python executável. Elimina a barreira de programação para traders com forte intuição.
Regras de saída de defesa em profundidade e filtros de condição de mercado para proteger o capital.
Bloqueie transações durante condições desfavoráveis usando regras de observação baseadas em indicadores. Separa "devo negociar?" de "que transação?" para reduzir falsos sinais e drawdowns.
Sistema de saída com cinco regras: Circuit Breaker, Limite de tempo, Deteção de regime, Limite de drawdown e Guarda de indicador. Múltiplas camadas de segurança independentes previnem perdas catastróficas.
Dados de mercado de múltiplas fontes com cache local e análise de backtest em tempo real.
Community YFinance and Dukascopy routes, plus separately admitted providers and local Parquet data paths.
Curvas de equity em tempo real, registos de transações e dashboard de 7 métricas (PnL, Sharpe, MaxDD, Taxa de vitória, Fator de lucro) em streaming enquanto o backtest executa. Descubra estratégias falhadas cedo.
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.
O nível gratuito inclui o motor de backtest C++, deteção de regime e dados YFinance + Dukascopy: tudo o que precisa para começar a construir em escala.