Munterheid Prime 高频度处理订单簿、交易量和点差数据，以便及早发现流动性偏差。该模型不是对已经实现的损失做出反应，而是识别历史上与回撤概率增加相一致的条件。
底层模型是针对市场结构而不是方向预测进行训练的。这种区别是决定性的：该系统并不要求了解未来价格，而是量化当前头寸的不稳定性。
止损距离根据当前流动性而不是固定百分比进行调整。随着市场深度的减小，余量会扩大，以限制由于正常噪音而过早排放；随着波动性的增加，它会收紧。
市场数据与新闻流和订单流交叉，以识别偏差情绪。这并不作为价格信号，而是作为风险模型的修正因子，支持减少情绪决策中的人为误差幅度。
无论市场负载如何，执行速度都保持恒定，以便在验证时进行参数调整，而不会在高峰交易量期间因系统负载而延迟。
市场数据、订单簿信息和账户参数通过与链接交易平台的安全 API 连接持续读取，无需交易者手动提供数据。
任何提议的止损调整在生效之前都会根据交易者定义的风险状况进行测试。最大偏差的限制由用户提前确定。
交易者保留对参数的控制，并可以覆盖任何自动调整。系统在既定限制内执行；它并不决定策略本身。
这些图表并不显示预测，而是方差的说明。标准市场行为存在高于和低于平均水平的明显异常值；每一次下滑都代表着投资组合回报率的下降。
Munterheid Prime 的风险调整方法通过根据流动性和波动性不断重新计算止损幅度来限制这些异常值的幅度。从数学上讲，这降低了回报序列的标准差，从而直接转化为更稳定的夏普比率，而无需改变基础策略。
该连接是通过 API 连接进行的，该连接读取订单簿、头寸和账户数据，除非明确授权，否则不会接管交易权。支持取决于平台是否提供 REST、FIX 或 WebSocket 协议。
平台和Munterheid Prime之间的数据流量在传输过程中是加密的。账户数据与分析模型分开存储，对原始交易数据的访问仅限于风险计算所需的系统。
该模型根据账户对市场状况的历史反应（例如平均头寸持续时间和风险承受能力）构建概况。该配置文件用于校准止损参数，不会在账户之间共享或比较。