O Meteor Profit combina dados históricos backtestados com suporte à decisão em tempo real, de modo que as entradas, saídas e dimensionamento de posição são baseados em probabilidade verificada e não em sentimento.
Cada função aborda um problema distinto que um day trader encontra: timing, proteção de capital e ritmo de mercado. Nada disso depende apenas de previsão.
Os modelos são treinados com base em anos de dados de preço, volume e volatilidade em vários instrumentos e, em seguida, testados em períodos fora da amostra antes que qualquer sinal chegue ao painel. Na prática, isto reduz a janela entre reconhecer uma oportunidade e agir sobre ela, sem depender apenas de indicadores de atraso.
Cada recomendação traz um limite de exposição calculado derivado de padrões históricos de redução para esse instrumento e período. O objetivo é simples: manter as negociações com perdas pequenas e consistentes, para que uma série delas não corroa o capital de forma desproporcional.
A infraestrutura subjacente processa continuamente os dados de mercado recebidos, recalculando estimativas de probabilidade à medida que as condições mudam durante o dia. Ele foi desenvolvido para resistir a picos de volume e eventos de volatilidade, não apenas em sessões calmas e de baixo ruído.
A metodologia Cedar Gainstead é construída em torno de um processo repetível, e não de um único modelo de caixa preta. Cada recomendação pode ser rastreada até um teste histórico documentado.
Os conjuntos de dados históricos de preços, fluxo de pedidos e macro são provenientes de provedores de dados de mercado licenciados e reconciliados com um feed secundário para sinalizar discrepâncias antes do uso.
As regras candidatas são definidas explicitamente, com lógica de entrada, saída e dimensionamento declaradas antecipadamente, de modo que os resultados não podem ser ajustados retroativamente para se adequarem a um resultado.
As estratégias são testadas com base em dados retidos do período de formulação original, em vários regimes de mercado, para verificar a consistência, em vez de uma única execução favorável.
O desempenho ao vivo é comparado com a expectativa testada de forma contínua. As estratégias que ultrapassam uma tolerância acordada são sinalizadas para revisão.
Esquema ilustrativo de uma janela de backtest rolante. Os relatórios de estratégia reais são fornecidos na íntegra na plataforma.
O Meteor Profit foi montado em torno de uma restrição simples: nenhuma recomendação chega ao painel do cliente até que tenha sobrevivido a um backtest documentado em relação aos dados históricos. Isto retarda a rapidez com que novas estratégias podem ser adicionadas, mas mantém os resultados do sistema ligados às evidências e não à mais recente narrativa do mercado.
A equipe mantém registros de versão para cada estratégia em produção, juntamente com o conjunto de dados e a janela de tempo usada para validá-la. Os clientes podem solicitar os parâmetros de teste subjacentes para qualquer recomendação que atuem.
Leia mais sobre nósO painel é deliberadamente restrito: sem ticker de notícias com atualização automática, sem animações desnecessárias. Cada painel existe para responder a uma pergunta de cada vez – posição, exposição ou confiança do sinal.
Intervalo histórico plurianual por estratégia
Recálculo intradiário contínuo
Definir por instrumento e prazo
Cada sinal vinculado ao seu teste de origem
O mesmo mecanismo subjacente é configurado de forma diferente dependendo do prazo e do objetivo. Abaixo estão três configurações comuns.
Problema: a latência entre um movimento do mercado e um sinal utilizável corrói a vantagem em períodos de detenção curtos. Solução: a análise transmitida em nível de tick recalcula a probabilidade continuamente, de modo que os sinais reflitam as condições atuais em vez de um instantâneo de minutos anteriores.
Problema: a revisão manual das correlações e do histórico de rebaixamentos em um portfólio é lenta e fácil de adiar. Solução: backtests programados em nível de portfólio sinalizam desvios de alocação e sugerem pontos de reequilíbrio com base em precedentes históricos.
Problema: agregar a exposição entre mesas e instrumentos em tempo real é difícil quando o volume aumenta. Solução: a plataforma consolida os dados de exposição entre contas e aplica os mesmos limites de risco verificados de forma consistente, independentemente do tamanho do livro.