大多数损失并不是由有缺陷的论文造成的。它们来自于疲劳、尺寸不一致以及训练后期在压力下做出的决定。 Sovrenmere 的构建是为了直接解决这一差距，而不是为了准确地预测市场。
根据您存储的风险状况，Sovrenmere 将在每个时间间隔推荐针对暴露带的会话波动性的简化视图。
Sovrenmere 不是对每个账户应用一种固定策略，而是构建一个工作模型，了解您在会话中的不同时间点可以承受的风险程度，并随着容忍度的变化调整风险敞口建议。
该引擎会预测短期波动范围，并将其与您的历史容忍度进行映射，在您采取行动之前标记出超出您通常舒适区的头寸。
一旦阈值达成一致，头寸调整就可以在无需人工干预的情况下进行，从而减少市场变动和风险敞口修正之间的滞后。
风险承受能力不是静态的。该模型在每次交易后都会更新，因此安静的一周或高度确信的交易都会在未来的建议中留下可衡量的痕迹。
Sovrenmere 使用头寸规模、止损位置和持有时间的衰减平均值，比旧数据更重视近期交易行为。这使得模型能够响应真实的需求变化，而不会对单个异常交易反应过度。
在采取任何自主操作之前，Sovrenmere 会运行一个校准阶段，在不干预的情况下观察行为，因此可以首先根据实际情况检查引擎的假设。
在初始阶段，系统会在实时或模拟会话中监视您的规模、止损位置和时间决策，而不提出任何建议。
模式被转换为工作风险状况：典型的回撤舒适度、对波动的反应速度以及按工具划分的首选持有期限。
引擎开始建议位置调整。每个建议都可以被接受、修改或忽略，每个回复都可以进一步完善配置文件。
一旦配置文件稳定，您就可以授权引擎在商定的范围内运行，并为其所做的每次调整提供完整的日志。
处理路径的浓缩视图：交易历史和实时信息被简化为单个暴露信号，在每个市场变动时重新计算，并根据您当前的容忍度概况进行检查。
以下场景描述了引擎设计用于处理的典型情况，这些情况基于引擎从给定交易者资料中了解到的预期行为。
当流动性下降且利差意外扩大时，引擎会将这一走势与您对突然波动的历史容忍度进行比较，如果超出您的正常范围，则会在下一次入场之前而不是在亏损之后减少建议的头寸规模。
结果：风险敞口保持在预先商定的回撤范围内连续的收益往往会导致交易者扩大规模，超出他们正常的舒适水平。该模型会根据存储的配置文件标记此偏差，并在进行下一次交易之前提示进行审查，而不是让该模式继续不受检查。
结果：在复合之前识别尺寸漂移在已知的高影响事件发生之前，该引擎会暂时收紧其建议的风险敞口范围，反映通常在预定公告周围观察到的更广泛的价格波动，然后在波动正常化后缩小该范围。
结果：围绕已知事件风险收紧暴露范围
Sovrenmere 是为那些已经了解波动性和风险敞口机制，但希望在自己的决策下有一个一致的、可审计的层的交易者而开发的。该平台并未声称能够准确预测方向；它旨在比手动监督通常允许的情况更一致地应用您自己规定的风险限制。
引擎产生的每条建议都伴随着潜在的推理——考虑的数据点和应用的容差阈值——因此可以审查逻辑，而不是盲目相信。
详细了解我们的方法这些涵盖了具有技术头脑的用户最常提出的领域：数据处理、执行逻辑以及每个阶段保留多少控制权。
账户凭证和交易历史记录在静态和传输过程中均进行加密。对原始数据的访问仅限于构建和应用您的风险状况的系统；除了改进向您显示的推荐之外，它不会用于任何其他目的。
仅在您在监督推荐阶段明确设置的边界内。您可以随时切换回仅建议模式，并且每个自主操作都会记录其背后的推理。
如果实时数据与最近的模式急剧偏离，引擎会扩大其置信区间并自动缩小自主操作的范围，从而退回到需要手动确认的建议。
Sovrenmere 是一种决策支持和自动化工具，而不是个性化财务建议的来源。用户仍然对自己的交易决策负责，并应确保任何关联的经纪安排符合适用的英国监管要求。
定价详细信息在入职期间设定，取决于账户范围和连接工具的数量。无需提供付款详细信息即可开始初步分析。
所有连接均使用加密传输，帐户访问被分段，以便可以独立于数据访问撤销执行权限，而不会影响历史报告。