Ruleap Star智能量化交易系統

運作方式

所有環節皆可追溯

每一關都有明確規則;任何一關不通過,流程就停下。

  1. 01 · 資料

    接入與整理

    決策從資料開始,所以資料先被檢查。

    • 轉接層統一格式
    • 清洗與時間對齊
    • 異常標記,不悄悄補值
  2. 02 · 分析

    AI 與量化模型

    把複雜的市場狀態整理成分數。

    • 模型與因子並用
    • 辨識不同市場狀態
    • 輸出結構化分數
  3. 03 · 訊號

    策略決策

    分數轉成明確行動,並留下理由。

    • 明確進出場條件
    • 記錄來源與規則
    • 任何決策都能重建
  4. 04 · 風控

    獨立的否決權

    風控是獨立關卡,不是一個參數。

    • 倉位與曝險上限
    • 停損與異常暫停
    • 不通過一律不執行
  5. 05 · 執行

    自動執行與監控

    通過所有檢查,才變成委託。

    • 轉接層自動下單
    • 狀態即時回報
    • 全流程可觀測

一筆訊號的旅程(示意)

跟著一筆訊號走完整條流程

用模擬行情示範:一筆訊號從資料進來,到被放行或攔下,每一步檢查什麼、留下什麼紀錄。

  1. 01 · 資料

    一根新的 K 線進來

    轉接層收到最新一根價格資料,先檢查時間是否對齊、有沒有缺漏或異常跳動。通過檢核,才交給下一層。

    第 64 根 · 時間對齊 ✓ · 無缺漏 ✓

  2. 02 · 分析

    模型重新評分

    模型把最新的市場狀態整理成分數。這一根之後,動能分數從 0.29 上升到 0.36。

    動能分數 0.29 → 0.36

  3. 03 · 訊號

    分數越過門檻

    分數由下往上穿越 0.32 的門檻,策略產生「增加曝險」的訊號,並記下是哪個分數、哪條規則觸發。

    買進訊號 · 曝險 0% → 25%

  4. 04 · 風控

    四條規則逐一檢查

    曝險上限、波動過濾、冷卻時間、異常暫停,逐條檢查。全部通過,才放行。

    曝險 ✓ · 波動 ✓ · 冷卻 ✓ · 異常 ✓ → 放行

  5. 05 · 執行

    送出委託並回報

    放行的訊號才變成委託。成交回報與整條決策紀錄一起寫入,事後可以完整重建。

    模擬委託已送出 · 紀錄已寫入

  6. 攔截

    如果有一條不通過

    假設這時曝險已經是 50%,再加 25% 就會超過上限。風控直接攔下,訊號不會變成委託;這次攔截一樣會留下紀錄,方便事後檢討。

    曝險上限 ✕(50% + 25% > 50%)→ 攔截

以上為示意流程。門檻 0.32、每次 25%、上限 50% 等數字取自本站互動 Demo 的模擬規則,不代表真實系統參數、交易或績效。

從想法到實盤

策略生命週期

  1. 01

    研究

    提出可檢驗的假設。

  2. 02

    回測

    用歷史資料驗證。

  3. 03

    風控

    設定限制與暫停條件。

  4. 04

    實盤

    自動執行,即時監控。

  5. 05

    迭代

    依紀錄持續改進。

現在 · 架構 · 開發中

已做到的 與正在走向的

現在

已在運行

  • 真實市場長期實盤
  • AI 分析
  • 研究與回測
  • 自動風控與監控

架構

設計上支援

  • 不限資料來源
  • 執行端可插拔
  • 核心與市場解耦

開發中

正在走向

  • 自我迭代的閉環
  • 開放免費註冊
  • 更多資料與場景

親眼看看流程怎麼運作

互動 Demo 以模擬行情重現完整流程。

運作方式|Ruleap Star 從資料到執行的流程