Projets
Ce sur quoi nous travaillons
Sept projets, chacun avec sa propre plateforme de données indépendante et son propre simulateur. C’est notre règle : aucune décision n’atteint le capital avant d’avoir été testée dans un simulateur.
Liste des projets
CME Market Maker
Un algorithme de tenue de marché par apprentissage profond pour le marché à terme de Chicago, avec pour objectif un desk de tenue de marché automatisé.
Plusieurs années de données du CME, rassemblées ordre par ordre. À partir de ces données, nous sommes parvenus à un algorithme de tenue de marché qui est testé au sein d’une reconstitution fidèle de la bourse elle-même.
- Pluriannuelhistorique ordre par ordre
- Apprentissage profondméthode
- Python · C# · Rusttechnologie
Fast Scalp
Un algorithme de trading à court terme fondé sur l’apprentissage automatique pour le marché à terme de Chicago, avec pour objectif un desk de trading automatisé.
Plusieurs années de données du CME, rassemblées ordre par ordre. À partir de ces données, nous sommes parvenus à un algorithme de trading à court terme qui est testé au sein d’une reconstitution fidèle de la bourse elle-même.
- Pluriannuelhistorique ordre par ordre
- Apprentissage automatiqueméthode
- Python · C# · Rusttechnologie
BlockTrade
Analyse comportementale des transactions de bloc sur le marché à terme de Chicago, avec pour objectif des algorithmes de trading et d’investissement fondés sur les traces des gros capitaux.
Notre serveur reçoit et traite sans interruption les transactions de bloc de tous les produits de la Bourse de Chicago et les livre sur le graphique du trader. Leur historique s’accumule jour après jour.
- 36 secondesdélai médian de réception d’un bloc après sa publication par la bourse
- 24 formesclassification des blocs
- Python · C#technologie
TSETMC
Analyse du flux d’ordres de la Bourse de Téhéran, avec pour objectif un fonds algorithmique de gestion du capital.
Onze années du marché des capitaux iranien, rassemblées et reconstituées transaction par transaction et ordre par ordre. Nous construisons et testons nos modèles sur cet historique.
- 11 ansd’historique de marché
- 1 148symboles
- Python · C#technologie
Gold ETF Arbitrage
Un algorithme qui déplace le capital entre les fonds adossés à l’or de la Bourse de Téhéran, avec pour objectif un portefeuille automatisé investi en or qui vise à rapporter plus que la détention d’or
Les fonds adossés à l’or de la Bourse de Téhéran, enregistrés ordre par ordre et mesurés avec un même critère. Nous testons le passage de l’un à l’autre au sein d’une reconstitution fidèle de la bourse, face à la simple détention d’or.
- 21 fonds adossés à l’orévalués selon un même critère
- 395 jours de bourserejoués dans le simulateur
- Pythontechnologie
DeFi LP
Un algorithme de gestion du capital pour les pools de liquidité des plateformes d’échange décentralisées, avec pour objectif un fonds automatisé
L’historique complet de 136 pools sur quatre réseaux blockchain, rassemblé depuis le premier jour de chaque pool et événement par événement. Nous simulons le capital placé dans un pool, et son déplacement entre pools, au sein d’une reconstitution fidèle du marché lui-même.
- 136 poolshistorique complet, événement par événement
- 4 réseauxblockchain
- Python · C#technologie
Crypto Market Maker
Une infrastructure de données et un algorithme de tenue de marché pour le marché des cryptomonnaies, avec pour objectif un desk de tenue de marché automatisé.
Le marché de 22 cryptomonnaies très négociées sur 16 plateformes d’échange mondiales, rassemblé transaction par transaction et ordre par ordre. Avant d’écrire l’algorithme, nous avons enregistré l’ensemble de ce marché, et nous continuons de l’enregistrer.
- 22 cryptomonnaiessur 16 plateformes d’échange mondiales
- 60 téraoctetspérimètre des données brutes
- Rust · C#technologie
Les présentations de nos autres projets seront ajoutées à cette page au fil du temps.