宏观交易的建立是为了让专业和半专业交易者能够访问历史上为机构柜台保留的量化基础设施类型。该平台将统计建模与透明的方法相结合，因此每个信号都可以追溯到其基础数据输入。
宏观交易不是发出买入或卖出的信号，而是提供概率排名的信号以及产生这些信号的数据。交易者仍然对头寸决定负责；该系统的作用是减少 500 多对人工筛查所花费的时间。
每个信号在到达交易者的仪表板之前都会经过五个不同的阶段。每个阶段都会被记录下来，因此可以在事后查看给定信号的来源。
收集来自现货、期货和订单簿源的流式和批量数据并加盖时间戳以进行同步。
原始输入被转换为标准化变量：波动带、动量变化、流动性深度和跨资产相关性。
经过训练的统计模型为每个监控对分配方向概率和置信度得分。
低于风险引擎设置的置信阈值的输出在分发之前将被丢弃。
批准的信号通过 WebSocket 或 REST 推送到仪表板和连接的端点，并记录延迟测量结果。
方法论说明： 模型在滚动历史窗口上进行重新训练，并在部署前通过样本外回测进行验证。如果不超过下一节中描述的风险加权引擎定义的最小置信度阈值，则不会分发任何信号。
Macro Trade 监控四个主要资产类别的 500 多个交易对。刷新间隔因场所流动性和资产类型而异，并按类别在下面列出。
| 资产类别 | 成对覆盖 | 更新间隔 | 信号延迟（目标） |
|---|---|---|---|
| 外汇 | 150+ | 250毫秒 | <500毫秒 |
| 加密资产 | 200+ | 100毫秒 | <300毫秒 |
| 股票 | 100+ | 1秒 | <1.2秒 |
| 商品 | 50+ | 500毫秒 | <800毫秒 |
信号不是孤立分布的。每一项在到达仪表板之前都会经过一个风险加权层，该层旨在考虑波动性、相关性和头寸风险。
输入在各个场所进行标准化，以消除格式和时间差异。
每对都会收到基于模型置信度的概率加权排名。
应用波动性和相关性暴露来调整原始分数。
显示的是建议的分配范围，而不是固定的交易金额。
当新数据进入管道时，开放信号将被重新评估。
头寸规模指导源自波动率调整模型，该模型考虑了回撤限制以及同时开仓头寸之间的相关性。目标是在集中风险在账户净值中变得可见之前（而不是之后）对其进行标记。
每当新信号进入现有暴露集群时，就会重新计算指导范围，因此持有相关头寸的交易者会看到更新的风险读数，而不是静态数字。
宏观交易旨在与交易者已经使用的工具并存，而不是取代现有的执行堆栈。
交易者在连接账户或 API 密钥之前评估平台时提出的常见技术问题。
数据来自受监管的交易所和涵盖资产类别的流动性提供商。馈送在接收时打上时间戳，并在进入建模管道之前进行标准化，因此源之间的时序差异不会扭曲信号输出。
目标延迟范围从加密货币对的 300 毫秒以下到股票的 1.2 秒以下，具体取决于场所更新频率以及数据源和宏观交易管道之间的网络条件。这些是设计目标，不能保证每个市场条件下的数字。
不会。宏观贸易是一种数据分析和决策支持工具。它不进行交易或管理资金，并且输出不应被视为个性化的投资建议。交易者仍然对自己的决定和合规义务负责。
数据在传输过程中和静态时都经过加密，并对帐户级信息进行基于角色的访问控制。基础设施选择时考虑到了德国和更广泛的欧盟用户的 GDPR 要求。
是的。每个分布式信号都会记录其输入特征和置信度分数，因此可以在事后通过仪表板或 API 审核端点进行审查。
透明度声明： Macro Trade 不要求保证回报。模型输出反映历史模式分析和概率估计；市场的表现可能而且确实超出了先前数据的范围。
创建一个帐户来查看实时仪表板输出，根据您自己的场地连接检查延迟，并检查最近信号样本背后的方法。
数据在传输过程中和静态时均被加密。基础设施和数据处理实践在设计时考虑到了德国和欧盟用户的 GDPR 合规性。