Palme Rentholm 中的模型将历史模式与持续的市场数据相结合，提供更新的风险状况，而您无需手动监控每个数据流。
价格数据、交易量和订单深度被持续处理并编译成通用分析基础。
根据工具的波动性和历史流动性模式，模型的权重不同。
每项建议均附有风险评估记录，以便验证决策依据。
该过程分为三个步骤，因此始终可以跟踪建议是如何产生的。
市场数据、新闻源和订单信息不断从相关来源收集，并标准化为通用格式。
预测模型评估跨时间序列的模式并计算每种工具的概率加权风险。
这些建议根据定义的风险框架进行调整，以便输出适应个体交易者的容忍水平。
根据时间范围和风险承受能力，相同的模型可以进行不同的配置。以下是如何使用该框架的三个示例。
该模型对近期价格走势的权重更高，以识别同一交易日内的短期动量窗口。
该分析比较隐含波动率和实际波动率，以发现可构成定位基础的偏差。
这些模型考虑了工具之间的协变，以支持随着时间的推移进行多元化和敞口的决策。
Palme Rentholm 专为希望每项建议都有数据支持的用户而设计。该系统的设置使得无论用户是个人日内交易者还是机构管理部门的一部分，都可以始终审查分析基础。
以下是我们最常从具有交易和数据分析技术背景的用户那里收到的问题的答案。
Palme Rentholm 从附属市场数据提供商处获取市场数据，包括价格、交易量和订单簿信息。所有源在包含在模型基础中之前都经过标准化。
处理时间随工具的数据量和市场开放时间而变化，但该架构是为连续处理而不是定期批量更新而构建的。
是的。集成通过 API 进行，并且访问是结构化的，以便现有系统可以接收建议，而无需显着更改现有工作流程。
Palme Rentholm 与连接系统之间的所有通信均经过加密，访问控制遵循最少必要权限原则。
该系统以文件记录和可追溯性为一般原则构建，因此可以适应适用于挪威和北欧参与者的报告要求。