Foldyield Ratings traite les données du carnet d'ordres et des sentiments pour produire des signaux de trading classés toutes les quelques secondes. Retraits instantanés s’appliquent à tout moment – le capital n’est jamais détenu en période d’indisponibilité.
Chaque pilier de la plateforme répond à un point de défaillance spécifique du trading discrétionnaire : données lentes, jugement de risque incohérent et exécution retardée.
Les flux de marché, la profondeur du carnet de commandes et le sentiment de l'actualité sont ingérés en continu et normalisés dans un flux de données unique, avec une latence de traitement mesurée en millisecondes plutôt qu'en secondes.
Les modèles estiment le regroupement de la volatilité et la probabilité de retrait pour chaque position avant l'allocation du capital, plutôt que de réagir aux pertes après qu'elles se soient produites.
Les signaux qui dépassent le seuil de confiance sont acheminés directement vers l'exécution, supprimant ainsi le délai entre l'analyse et le placement de l'ordre qui affecte le trading manuel.
La plupart des plateformes de trading automatisées exigent que les fonds soient soumis à un délai de préavis, souvent compris entre sept et trente jours, avant que les demandes de retrait ne soient traitées. Cet arrangement protège la gestion des liquidités de la plateforme, et non celle du trader.
Foldyield Ratings sépare la liquidité du compte de la gestion des positions. Le moteur d'IA peut conserver, ajuster ou clôturer des positions en continu tandis que le capital du compte reste retirable à tout moment, sans période de détention minimale attachée à une demande de retrait.
Chaque signal est la sortie d'un pipeline à trois étages. Le processus est conçu pour être auditable à chaque étape, plutôt que pour produire un seul résultat opaque.
Les données de prix au niveau des ticks, la profondeur du carnet de commandes et les annonces macro sont collectées sur plusieurs sites et horodatées sur une horloge commune à des fins de comparaison.
Les modèles en langage naturel évaluent l’actualité et le sentiment social, qui sont ensuite comparés aux modèles de regroupement de volatilité pour signaler les périodes de risque élevé.
Un modèle de classement pondère les corrélations non linéaires entre les instruments pour produire un score de confiance unique, qui détermine si un signal est exécuté, réduit ou rejeté.
Foldyield Ratings a été construit sur le principe qu'un signal de trading n'est utile que si ses entrées peuvent être inspectées. L'interface présente le score de confiance, les facteurs contributifs et la précision historique de chaque modèle, afin qu'un trader puisse décider du poids à accorder à une recommandation unique.
Les modèles sous-jacents sont recyclés selon un calendrier défini à mesure que de nouvelles données de marché arrivent, plutôt que de rester statiques après le déploiement initial.
Les traders intrajournaliers utilisent des signaux classés par confiance pour prioriser les entrées pendant les fenêtres de liquidité élevée, ce qui resserre le spread effectif payé sur les instruments à évolution rapide.
Les départements des risques appliquent les estimations prédictives des prélèvements comme contribution supplémentaire aux limites de position existantes, contribuant ainsi à réduire les prélèvements sur les expositions corrélées avant les pics de volatilité.
Les investisseurs discrétionnaires utilisent les résultats de corrélation non linéaire pour identifier des poches fragmentées d'alpha entre les classes d'actifs que les modèles de covariance standard ont tendance à manquer.
Le capital du compte et les positions ouvertes gérées par l’IA sont suivis séparément. Une demande de retrait provient uniquement du capital non alloué ou réglé, ce qui permet à la plateforme de traiter les demandes de manière continue, 24 heures sur 24, sans attendre une fenêtre de règlement fixe.
Les modèles de base sont recyclés selon un cycle planifié à l'aide de données de marché récentes, avec un recyclage supplémentaire déclenché si la précision du modèle dérive en dessous d'un seuil défini. Cela maintient le moteur de signaux aligné sur les conditions de volatilité actuelles plutôt que de s'appuyer sur un seul ensemble de formation historique.
L'accès au compte est protégé par une authentification cryptée et les mouvements de fonds nécessitent une vérification avant d'être traités. L'infrastructure est segmentée de sorte que les systèmes d'analyse des données n'ont pas d'accès direct en écriture aux enregistrements des fonds de garde.