Продвинутая модель с высокой точностью предсказывает уровни скопления отложенных заявок.
Внешний вид виджета модели.
Одна из особенностей рынка производных инструментов - возможность открывать позиции с кредитным плечом или маржинальные сделки. Любая такая маржинальная позиция будет иметь цену ликвидации. Как только цена базового актива достигнет уровня цены ликвидации, биржа в принудительном порядке закроет позицию трейдера в убыток, чтобы не допустить переход баланса клиента в отрицательную зону.
Единичные ликвидации не несут в себе какого-либо интереса, т.к. их влияние на рынок незначительно. Однако скопление таких ордеров может значительно повлиять на цену и спровоцировать скачек волатильности. Скопление отложенных заявок иначе называется маржинальной зоной.
Обычные пользователи не имеют доступа к информации о них - данные такого высокого уровня доступны только биржам (и как правило некоторым аффилированным с ними лицам, ведущим торговую деятельность, связанную с криптовалютными активами биржи). Современные количественные модели в области рыночной микроструктуры позволяют с достаточно высокой точностью рассчитывать маржинальные зоны.
Исходя из данных, проанализированных с использованием динамической нейронной сети, мы выявили закономерности в размещении маржинальных зон с учетом особенностей поведения конкретного актива и построили соответствующую модель, которая отображает скопления отложенных заявок.
Важной частью нашего алгоритма просчета является устаревание данных, что позволяет нивелировать «зависшие» кластера.
Для того чтобы добавить инструмент "Predict Liquidations" на рабочее пространство, сначала нажмите на кнопку "Widget menu" в шапке платформы. Затем нажмите по одноименной кнопке в разделе "Microstructure".
Виджет представляет собой гистограмму, в которой:
Прогнозируемое расположение и объём отложенных заявок для SHORT позиций.
Прогнозируемые расположение и объём отложенных заявок для LONG позиций.
В нижней части инструмента находится шкала объема прогнозируемых отложенных заявок уровней в долларах.