O RivonarisPro processa dados de mercado de alto volume por meio de um mecanismo de IA preditivo, convertendo o ruído bruto do sinal em recomendações classificadas e acionáveis antes que os modelos convencionais terminem a computação.
O núcleo preditivo ingere a profundidade da carteira de pedidos, indicadores macro e superfícies de volatilidade em paralelo e, em seguida, reavalia as ponderações de probabilidade em cada tick recebido.
A camada algorítmica combina árvores de decisão com gradiente aumentado com um módulo de atenção recorrente, ponderando os clusters de volatilidade recentes mais fortemente do que as médias históricas de longo alcance. A saída é uma recomendação com pontuação de confiança, não um sinal binário.
O volume máximo de ingestão normalmente ocorre durante a sobreposição dos horários de negociação de Frankfurt e Nova York, quando o modelo amplia sua janela de amostragem para compensar o spread entre mercados.
RivonarisPro não mantém fundos em uma estrutura conjunta e não impõe períodos de restrição. O capital alocado a uma estratégia pode ser retirado a qualquer momento, sujeito às janelas de liquidação padrão do local conectado.
Iniciado diretamente do terminal, sem necessidade de ticket de suporte ou aprovação manual para valores padrão.
A exposição aberta vinculada ao capital sacado é encerrada ou ajustada de acordo com os parâmetros de risco da conta.
A liquidação segue o horário de compensação padrão do corretor conectado ou do custodiante – normalmente no mesmo dia para transferências domésticas.
A eficiência do capital depende da capacidade de realocar rapidamente. Bloquear fundos por períodos de detenção arbitrários vai contra esse princípio, por isso o RivonarisPro foi projetado sem eles desde o início.
Todas as atividades de retirada são registradas no razão da conta, visíveis no terminal em Histórico de transações, sem agregação ou atraso nos relatórios.
Os números abaixo refletem o comportamento do modelo sob condições de backtesting e monitoramento ao vivo durante o ciclo de calibração atual.
| Classe de instrumento | Precisão preditiva | Média latência do sinal | Resultado ajustado ao risco |
|---|---|---|---|
| Especialidades em câmbio | 81,2% | 3,8ms | 1,9x |
| Futuros de índices | 76,9% | 4,1ms | 2,2x |
| Ativos digitais | 74,3% | 5,6ms | 2,6x |
| Mercadorias | 79,5% | 4,4ms | 2,1x |
Cada etapa do pipeline foi projetada para ser inspecionada de forma independente, o que é importante para equipes institucionais que exigem uma trilha de decisão auditável.
Os dados de mercado, a profundidade da carteira de pedidos e os feeds macroeconômicos são normalizados e alinhados no tempo antes de entrar no modelo, eliminando discrepâncias de formatação específicas do local.
O modelo ponderado pela atenção pontua cada ponto de dados em relação a agrupamentos de padrões históricos e ao regime de volatilidade atual, produzindo um conjunto de resultados classificados por probabilidade.
As recomendações são enviadas para o terminal ou via API com uma pontuação de confiança e os fatores subjacentes que mais contribuíram para a classificação.
Estas são as questões levantadas com mais frequência pelas equipes de engenharia e conformidade durante a avaliação.