Eclipse Earn kombinira pametni sustav zaustavljanja gubitaka s prediktivnim modeliranjem u stvarnom vremenu, ponovnim izračunavanjem pragova izloženosti kako se likvidnost i volatilnost mijenjaju — umjesto čekanja da se probije fiksna razina cijene.
Svaka automatizirana odluka Eclipse Earn vraća tragove kroz tri različita sloja. Svaki sloj ima definiran ulaz i izlaz, što čini sustav revizijskim, a ne neprozirnim.
Podaci iz knjige narudžbi, profili volumena i površine volatilnosti kontinuirano se unose i normaliziraju prije nego što dosegnu bilo koji model. Latencija između snimanja i unosa mjeri se u milisekundama, što je važno kada otkrivanje latentne volatilnosti ovisi o identificiranju pomaka prije nego što bude vidljiv na standardnom grafikonu.
Svaka otvorena pozicija nosi ocjenu rizika izvedenu iz grupiranja volatilnosti i trenutnih uvjeta likvidnosti. Rezultat se ažurira kako se uvjeti mijenjaju, čime se razlikuje obična buka cijene od ranih faza asimetričnog profila rizika koji se formira u odnosu na poziciju.
Kada rezultat rizika prijeđe definiranu granicu, logika izvršenja djeluje bez potrebe za ručnom potvrdom. Ovo uklanja kašnjenje - i oklijevanje - koje često prati ručnu odluku o smanjenju gubitničke pozicije.
Fiksni stop-loss se postavlja jednom i zanemaruje sve što se dogodi nakon toga. Eclipse Earn pametni sustav zaustavljanja gubitaka umjesto toga ponovno izračunava svoj prag kako se dubina likvidnosti i klasteriranje volatilnosti mijenjaju — pojačavajući zaštitu kada se uvjeti pogoršaju i dajući poziciji više prostora kada se volatilnost smanji, a likvidnost ostane stabilna.
Budući da se prilagodba temelji na pravilima, a ne diskrecijska, ona uklanja određenu točku neuspjeha u okruženjima s visokim ulozima: tendenciju pomicanja, širenja ili ignoriranja stop-loss pod pritiskom. Prag se ponovno izračunava istom logikom bez obzira na to što trgovac trenutno osjeća o poziciji.
Prediktivni modeli u trgovanju često se kritiziraju da su "crna kutija" — odluka se donese, ali se ne vidi razlog iza nje. Eclipse Earn je izgrađen oko interpretabilnih međukoraka, a ne jednog neprozirnog izlaza.
Neobrađeni tržišni podaci standardizirani su za sve instrumente i vremenske okvire prije nego što ih bilo koji model vidi, tako da ocjena rizika znači istu stvar bilo da je izvedena iz likvidnog indeksa ili slabo trgovanog ugovora.
Povijesni podaci i podaci uživo uspoređuju se s priznatim režimima volatilnosti i likvidnosti. Izlaz je klasifikacija, a ne jedan neproziran broj, a svaka se klasifikacija bilježi s uvjetima koji su je pokrenuli.
Parametri izvršenja prilagođavaju se na temelju klasificiranog režima i pregledavaju u odnosu na naknadne ishode, pri čemu se svaka prilagodba može pratiti natrag do podataka i klasifikacije koji su je proizveli.
Tablica u nastavku opisuje operativno ponašanje, a ne projekciju povrata. Ishodi se razlikuju ovisno o instrumentu, veličini pozicije i prevladavajućim uvjetima, a sljedeće treba čitati kao logički vodič, a ne kao jamstvo izvedbe.
| Režim | Ponašanje sustava | Tipično razmatranje |
|---|---|---|
| Kontrakcija visoke volatilnosti | Pragovi stop-loss pooštravaju se proporcionalno smanjenoj likvidnosti; logika izvršenja postaje konzervativnija. | Relevantno za smanjenje izloženosti prije nesigurnih katalizatora. |
| Proširenje trenda | Pragovi se šire kako se grupiranje volatilnosti stabilizira, dopuštajući da se razvije prostor za poziciju dok likvidnost ostaje netaknuta. | Relevantno za držanje kroz smjer kretanja bez preranog izlaska. |
| Fragmentacija likvidnosti | Bodovanje rizika više ponderira dubinu likvidnosti nego samo djelovanje cijene. | Relevantno za manje likvidne instrumente ili sesije izvan radnog vremena. |
Kratka razdoblja zadržavanja znače da pragovi moraju reagirati unutar iste sesije; sustav ponovno izračunava unutardnevne promjene likvidnosti, a ne podatke na kraju dana.
Dnevnici klasifikacije i povijest ocjene rizika mogu se pregledati uz postojeće modele, podržavajući neovisnu provjeru umjesto slijepog oslanjanja na jedan signal.
Za dugoročnije pozicije, šire provjere klasteriranja volatilnosti smanjuju mogućnost ranog izlaska izazvanog kratkoročnim šumom.
Povijesno ponašanje režima ne jamči buduće rezultate. Tržišni uvjeti u praksi mogu kombinirati elemente više od jednog režima.