初始情况
市场 24 小时运行，新闻情况和订单簿在几秒钟内发生变化。任何想要仅通过屏幕观察来识别相关模式的人只能处理一小部分可用信号，并在不断增加的认知负荷下做出决策。 Sormor Lormon 接管持续评估，并将决策简化为与行动实际相关的内容。
方法论
来自相关交易场所的价格、交易量和订单簿数据被持续记录、清理并转换为统一格式，然后纳入建模。
统计模型根据历史模式和当前市场结构评估短期价格变动的概率 - 使用明确记录的假设而不是黑箱逻辑。
每个信号逻辑在上线之前都会针对多个市场阶段进行测试，包括波动性增加和结构性回撤的时期。
头寸规模和信号权重根据测量的波动性和流动性不断调整，以便建议适合当前的市场状况，而不是静态假设。
使用案例
持续监控短期流动性变化和订单簿失衡，以识别狭窄时间范围内的进入和退出窗口。
根据历史比较数据对多日波动模式和趋势阶段进行分类，以便可以在明确定义的时间范围内建立头寸。
风险框架用于单独的投资组合，而这些投资组合原本是为机构策略保留的：头寸规模、相关性和回撤限额受到持续监控。
透明度而非广告承诺
每个信号规则都根据历史市场阶段进行测试，包括急剧回调时期。损失阶段的结果被纳入风险参数的校准中，而不是被忽略。
在将传入的市场数据纳入建模之前，会检查其是否存在差距、异常值和时间错误。不正确的数据点被标记并从评估中排除。
每个模型预测都是基于概率，而不是确定性。因此，Sormor Lormon 显示具有相应市场阶段的置信范围和历史命中率的信号。
如果波动率显着偏离，系统会自动降低信号权重，而不是坚持之前的参数。
历史系列损失被视为单独的训练阶段，因此风险逻辑不仅针对上升阶段进行优化。
