Описание модели

Основное назначение модели Activity Detector — идентификация структурных изменений в price discovery финансовых активов путем анализа волатильности и объемов торгов. Модель фиксирует резкие всплески этих показателей, оценивает их значимость и классифицирует их как аномальные или нет. При обнаружении аномалий система оперативно оповещает пользователя, помогая ему быстро реагировать на изменения рыночных условий.

Методы анализа волатильности и объемов торгов

Activity Detector динамически отслеживает изменения волатильности и ликвидности актива, анализируя временные ряды рыночных данных в режиме реального времени. Для этого она:

Использует приближенные статистические оценки усредненных и мгновенных значений волатильности и объемов.
Применяет сглаживающие фильтры и адаптивные алгоритмы, позволяющие минимизировать шум в данных и выделять значимые изменения.
Анализирует периоды ускоренного изменения волатильности и объема, сравнивая их с историческим контекстом рыночного поведения актива.
Применяет пороговые значения и динамическую адаптацию, чтобы исключить ложные сигналы.

Определение аномальной активности

Аномальная активность определяется на основе сразу нескольких факторов:

Степень отклонения текущей волатильности и объема от их типичных значений за аналогичные периоды.
Скорость изменения рыночных параметров: анализируются резкие скачки цен, объемов и спрэда.
Контекстные параметры: учитываются общие рыночные условия и макроэкономические факторы, исключая естественные периоды роста активности (например, во время выхода важных экономических новостей).

Использование машинного обучения

Activity Detector использует алгоритмы машинного обучения для повышения точности анализа, однако конкретные модели не раскрываются. Основные принципы работы системы с ИИ включают:

Обучение модели на исторических данных для распознавания типичных и нетипичных паттернов рыночного поведения.
Автоматическое обновление статистических порогов и логических зависимостей на основе динамического поведения рынка.