实时分析
延迟优化的数据摄取使所有连接场所的订单簿和交易数据保持在实时市场的几毫秒内。
您可以在流动性变化在标准图表上固化为可见趋势之前对其做出反应。
Forestfox 不会仅根据价格行为生成信号。它读取流动性聚集的订单簿，并根据历史交易量概况进行交叉引用，因此每个条目都放置在剩余订单已经暗示下限或上限的位置。
目的不是确定地预测方向——没有模型可以负责任地做到这一点。它是为了通过围绕市场已经表现出的尊重点进行择时积累来降低犯错的成本。
订单簿快照、贸易印刷品和交易量数据从连接的场所提取并标准化为单个时间序列。
该模型识别出具有不成比例的静态流动性的价格区域，这些区域在历史上充当支撑或阻力。
成交量价格数据位于顶部，以确认流动性区域背后是否有真正的参与。
进入部分的大小和间隔围绕已确认的区域进行，从而降低了任何单一价格点的平均成本风险。
每项功能都旨在消除原始市场数据和严格交易决策之间的特定摩擦点。
延迟优化的数据摄取使所有连接场所的订单簿和交易数据保持在实时市场的几毫秒内。
您可以在流动性变化在标准图表上固化为可见趋势之前对其做出反应。
波动率带根据最近实现的波动不断重新计算，而不是依赖静态的、回顾性的指标。
头寸规模会随着条件的变化而自动调整，而不是通过制度转变来固定风险敞口。
已确认的入场部分将直接通过您连接的交易所 API 进行传送，无需手动下单。
即使在您自己的工作时间之外，您的 DCA 计划也会按计划执行。
仪表板构建的假设是复杂性应由模型处理，而不是显示给用户。流动性集群、交易量概况和波动带在后台处理；屏幕上显示的是当前和即将推出的 DCA 部分的简短列表。
这些是评估自动化系统的定量交易者最常提出的问题。我们宁愿直接回答他们，也不愿不解决他们。
订单簿和交易数据直接来自您连接的交易所 API，而不是来自单个聚合的第三方源。这可以降低延迟并避免引入数据提供程序作为额外的故障点。
该模型根据多个市场状况（包括低流动性和高波动性时期）的历史订单簿和交易量数据进行训练。它会根据最新数据滚动重新验证，以检查模型漂移，并在针对样本外数据的性能下降时调整输入逻辑。
没有一个预测模型在每种情况下都表现得同样好。当实际波动偏离近期标准时，波动范围会自动加宽，从而减少分档规模并减慢 DCA 计划，直至情况稳定。
执行依赖于具有仅限交易权限的 API 密钥； Forestfox 不请求提款访问权限。密钥在静态时进行加密，并且您保留完全控制权，可以随时撤销对您的交易帐户的访问权限。
单一入口点假设模型已经确定了确切的底部或顶部，这不是我们的声明。将条目分散到已确认的流动性区域可以降低提前或迟到任何一笔的成本。
如果纪律严明、以数据为主导的执行符合您对风险的看法，那么连接您的交易账户只需几分钟，您就可以在每个计划的部分运行之前全面了解它。