CONFORMIDADE EM NEGOCIAÇÃO ALGORÍTMICA
Os reguladores não aceitam mais registros de ordens como evidência de auditoria. Depois que o flash crash de agosto de 2024 eliminou US$ 1 trilhão em valor e o Citigroup pagou US$ 92 milhões em multas por uma única falha algorítmica, a pergunta mudou de "você tem controles?" para "você consegue reconstruir cada decisão que seu algoritmo tomou?". Construímos a camada de inteligência de conformidade que responde a essa pergunta no âmbito da SEC, da MiFID II, da Lei de IA da UE e do DORA, para empresas que precisam de capacidade de nível empresarial sem o aprisionamento a fornecedores típico de soluções empresariais.
US$ 92 mi
Citigroup multado em 3 jurisdições por uma falha de controle algorítmico
BaFin + reguladores do Reino Unido, 2024
70%
dos bancos relatam taxas de falsos positivos acima de 25% na vigilância de negociações
Pesquisa Eventus / Datos Insights
2 de ago. de 2026
Prazo de conformidade da Lei de IA da UE para IA financeira de alto risco
Lei de IA da UE, Artigo 6
Um examinador da FINRA chega para sua revisão de acesso ao mercado sob a Regra 15c3-5. Um supervisor da FCA solicita sua autoavaliação do RTS 6. Eis a sequência que expõe a maioria das empresas.
A revisão multiempresarial da FCA de agosto de 2025, abrangendo 10 empresas de negociação por conta própria, constatou que a maioria tinha documentação incompleta ou desatualizada, sem um inventário claro de quem é responsável por cada algoritmo, em quais mercados ele negocia e quais parâmetros de risco o regem. Algumas empresas omitiram elementos inteiros do RTS 6 em suas autoavaliações. Se você não conseguir produzir um inventário atual e completo de cada algoritmo em produção, incluindo seus mercados aprovados, limites de posição e a pessoa registrada responsável por seu desenvolvimento (conforme a Regra 16-21 da FINRA), a fiscalização para por aqui.
É aqui que a falha do Citigroup se torna instrutiva. Em maio de 2022, um operador pretendia vender US$ 58 milhões em ações, mas criou uma cesta de US$ 444 bilhões. Os controles de pré-negociação do Citi capturaram US$ 255 bilhões, mas US$ 189 bilhões chegaram ao algoritmo de negociação, que os fragmentou em ordens de venda e enviou US$ 1,4 bilhão aos mercados europeus antes do cancelamento. Quando a BaFin e os reguladores do Reino Unido investigaram, a pergunta não era apenas "o que aconteceu", mas "por que seus controles deixaram passar US$ 189 bilhões?". O Citi conseguia mostrar as ordens. Não conseguia reconstruir adequadamente a cadeia de decisão do algoritmo que as executou, nem explicar por que seus limiares de risco estavam definidos onde estavam. Essa lacuna custou US$ 92 milhões em três jurisdições.
A FCA apontou explicitamente o "conhecimento técnico variável na área de conformidade" como uma fraqueza sistêmica. As equipes de conformidade na maioria das empresas conseguem ler relatórios de alerta, mas não conseguem interrogar a lógica do algoritmo, questionar seus parâmetros de risco ou verificar se uma alteração de código não introduziu nova exposição regulatória. A solução do setor tem sido contratar mais profissionais de conformidade com fluência quantitativa, mas o talento nessa interseção (pessoas que entendem tanto as regras de acesso ao mercado da CFTC quanto as arquiteturas de modelos GNN) é escasso. A alternativa: construir sistemas que traduzam decisões algorítmicas em explicações prontas para auditoria que a equipe de conformidade possa revisar, questionar e apresentar aos examinadores sem precisar ler o código-fonte.
A SEC e a CFTC, combinadas, atingiram um recorde de US$ 25,3 bilhões em ações de fiscalização em 2024. As prioridades de supervisão da FINRA para 2026 incluem explicitamente a negociação algorítmica e a IA. A Lei de IA da UE exige que sistemas de IA financeira de alto risco tenham documentação técnica, sistemas de gestão de riscos e capacidade de supervisão humana até agosto de 2026. O DORA exige testes de resiliência de TIC e relatórios de incidentes para todas as entidades financeiras da UE desde janeiro de 2025. A SEBI agora exige Algo-IDs exclusivos e aprovação da bolsa para cada estratégia antes da implantação ao vivo. A questão não é se seus algoritmos serão examinados. É se eles conseguirão sobreviver ao exame.
O mercado de vigilância de negociações deve atingir de US$ 4,2 a US$ 9,3 bilhões até 2033. Os cinco principais fornecedores detêm de 55% a 59% da participação de mercado. Eis o que eles cobrem e onde as lacunas permanecem.
| Abordagem | O Que Cobre | Onde Para | Custo Típico |
|---|---|---|---|
| NICE Actimize (X-Sight) | Vigilância multiativos, detecção de padrões baseada em ML (spoofing, layering, wash trading), monitoramento de pré e pós-negociação | Precificação em escala empresarial e complexidade de implementação. A rigidez de configuração limita a customização. Sem explicabilidade de decisões algorítmicas ou mapeamento de conformidade multirregulatória. | US$ 1-5 mi+/ano |
| Nasdaq Surveillance AI | Análise comportamental impulsionada por IA generativa, detecção de manipulação entre locais de negociação, throughput de nível de bolsa | Design centrado em bolsa. Forte para o sell-side, mas pode não se adequar aos fluxos de trabalho de conformidade do buy-side. Focado em detecção, não em fluxo de trabalho de conformidade. | US$ 1-3 mi+/ano |
| Eventus (Validus) | Perfilagem estatística de comportamento, regras de detecção configuráveis, forte para empresas de HFT | Focado em detecção em vez de fluxo de trabalho de conformidade holístico. Integração limitada de modelos personalizados. Ecossistema menor que o dos fornecedores de Tier 1. | US$ 500 mil-2 mi/ano |
| Construção Interna | Controle total sobre a lógica, integração profunda com sistemas proprietários, sem aprisionamento a fornecedores | Exige talento de engenharia quantitativa que compete com a remuneração de fundos de hedge. Carga contínua de manutenção. A documentação regulatória é frequentemente tratada como algo secundário. | US$ 2-10 mi de construção + US$ 1 mi+/ano |
| Big 4 / Grandes Integradores de Sistemas | Consultoria regulatória, avaliações de lacunas, desenho de programas, suporte à seleção de fornecedores | Eles aconselham sobre o que construir, mas raramente o constroem. Os trabalhos produzem apresentações em PowerPoint e documentos de framework, não sistemas funcionais. Quando de fato constroem, recorrem às mesmas plataformas de fornecedores de Tier 1. Trabalhos de US$ 500 mil a US$ 5 mi+. | US$ 500 mil-5 mi+ |
| Veriprajna | Inteligência de conformidade personalizada: auditorias algorítmicas explicáveis, mapeamento multijurisdicional, disjuntores inteligentes, detecção de contágio baseada em GNN, triagem de alertas | Não é uma plataforma de vigilância. Não substitui seu fornecedor de detecção existente. Não fornece feeds de dados de mercado. Exige que sua empresa tenha dados básicos de gestão de ordens e execução acessíveis via API. | US$ 300 mil-1,2 mi de construção |
A precificação é estimada com base em informações publicamente disponíveis e pesquisa de mercado. Os custos reais variam conforme o tamanho da empresa, o escopo e a negociação com o fornecedor.
Seis capacidades que preenchem as lacunas entre seu fornecedor de vigilância e o que os reguladores realmente exigem. Cada uma aborda um modo de falha específico que as ferramentas atuais deixam em aberto.
Quando um regulador aponta para uma negociação específica e pergunta "por quê", a maioria das empresas mostra registros de ordens. Construímos sistemas que reconstroem toda a cadeia de decisão: o estado do mercado no momento exato, a atribuição de importância das features do modelo (valores SHAP que mostram quais sinais impulsionaram a decisão e em que medida), a avaliação determinística de regras (quais limiares foram verificados) e a análise contrafactual (o que teria acontecido sob condições diferentes).
Optamos por SHAP em vez de LIME para a atribuição de features porque o SHAP fornece atribuições teoricamente fundamentadas e consistentes que resistem ao escrutínio regulatório. As aproximações locais do LIME podem produzir explicações instáveis quando as condições de mercado mudam entre a negociação e a auditoria.
Os atuais botões de desligamento de emergência são binários: ligados ou desligados. Os controles do Citigroup bloquearam US$ 255 bilhões, mas deixaram passar US$ 189 bilhões porque o limiar era um único portão, não um sistema graduado. Construímos disjuntores de múltiplos níveis com quatro níveis de resposta: estrangular (reduzir a taxa de ordens), restringir (limitar a instrumentos ou locais específicos), bloquear (exigir aprovação humana por ordem) e interromper (parada total).
Cada nível é acionado com base na pontuação de anomalia comportamental, não apenas em limiares de tamanho. Uma mudança repentina na taxa de cancelamento combinada com alterações de correlação entre ativos pode acionar um bloqueio, enquanto uma única ordem grande dentro dos parâmetros normais passa.
O flash crash de agosto de 2024 mostrou como uma alta de juros do Banco do Japão se propagou pelo yen carry trade para as ações de tecnologia dos EUA por meio de chamadas de margem. A vigilância tradicional vê cada mercado isoladamente. Construímos sistemas baseados em grafos usando arquiteturas GNN que modelam redes de dependência entre ativos e detectam sinais de estresse em cascata antes que se tornem sistêmicos.
Pesquisas mostram que arquiteturas híbridas GNN-LSTM alcançam AUC-ROC de 0,891 para detecção de contágio de risco interbancário, contra 0,734 para abordagens convencionais, com tempos de antecipação de alerta precoce estendidos em 11,5 dias (Springer Nature, 2025). Adaptamos essas arquiteturas para ambientes de negociação multiativos.
Um único controle de negociação algorítmica deve satisfazer a Regra 15c3-5 da SEC, o RTS 6 da MiFID II, os requisitos de documentação da Lei de IA da UE, os padrões de resiliência do DORA e, potencialmente, o framework de Algo-ID da SEBI. A maioria das empresas mantém processos de conformidade separados por jurisdição. Construímos uma camada de controle unificada em que cada parâmetro de risco é mapeado para todas as regulamentações aplicáveis simultaneamente.
Quando você modifica um limiar de capital de pré-negociação, o sistema mostra o impacto de conformidade em todas as jurisdições antes que a alteração entre em vigor. Trilhas de auditoria em formato duplo geram resultados tanto para a fiscalização da FINRA quanto para a revisão da FCA/NCA a partir dos mesmos dados subjacentes.
70% dos bancos relatam taxas de falsos positivos acima de 25%. O problema é estrutural: os sistemas de vigilância aplicam limiares estáticos sem contexto. O padrão rotineiro de ordem-e-cancelamento de um formador de mercado aciona o mesmo alerta de spoofing que o layering real. Construímos pontuação contextualizada em três dimensões: linhas de base comportamentais do operador, ajuste ao regime de mercado e análise de padrões por referência cruzada.
Durante o flash crash de agosto de 2024, empresas que operavam com limiares estáticos geraram centenas de falsos alertas de spoofing à medida que o comportamento algorítmico normal parecia anormal sob volatilidade extrema. Limiares cientes do regime evitam essa enxurrada de alertas mantendo a sensibilidade à manipulação genuína escondida atrás do ruído do mercado.
A SEBI agora exige Algo-IDs exclusivos e aprovação da bolsa antes da implantação ao vivo. A FINRA exige o registro das pessoas que desenvolvem estratégias algorítmicas. A FCA demanda autoavaliações completas do RTS 6. Construímos gestão de ciclo de vida de ponta a ponta: do desenvolvimento e teste do algoritmo, passando pela aprovação regulatória, implantação, monitoramento, rastreamento de modificações, até a desativação.
Cada alteração de código é versionada em relação ao seu impacto de conformidade. Uma modificação no sinal de momentum de uma estratégia de negociação aciona uma reavaliação automática de quais aprovações regulatórias precisam ser atualizadas, quais parâmetros de risco mudaram e se a modificação exige novo registro junto à FINRA ou um novo Algo-ID junto à SEBI.
Acompanhe o que acontece quando um sistema de inteligência de conformidade detecta uma anomalia no VIX no pré-mercado semelhante à que ocorreu em 5 de agosto de 2024.
O monitor entre ativos baseado em GNN detecta que os preços do mid-quote do VIX estão subindo 180% no pré-mercado, mas a volatilidade realizada (movimento real de preço do S&P 500) está subindo apenas 12%. Em 5 de agosto de 2024, essa divergência foi causada por formadores de mercado ampliando os spreads de compra e venda em opções do S&P 500, inflando mecanicamente o cálculo do VIX baseado em cotações. O sistema sinaliza isso como uma ANOMALIA DO VIX IMPULSIONADA POR SPREAD, não um pico genuíno de volatilidade.
Seus algoritmos que visam volatilidade são programados para reduzir a exposição a ações à medida que a volatilidade implícita aumenta. Sob condições normais, um pico de 180% no VIX acionaria ordens de venda massivas. O disjuntor verifica: esta leitura do VIX é impulsionada pela volatilidade realizada ou pela mecânica de spread? A sinalização de impulsionada por spread aciona uma resposta de ESTRANGULAMENTO . Os algoritmos podem continuar negociando, mas a 25% da taxa normal de ordens, ganhando tempo para o sinal se resolver.
O grafo de contágio rastreia o caminho de propagação da anomalia. O USD/JPY está se movendo? (Sim, o iene se fortalecendo 2,1%.) Os futuros do Nikkei estão caindo? (Sim, em queda de 6%.) A correlação entre a força do iene e a venda generalizada de ações de tecnologia está excedendo o 95º percentil da distribuição histórica? (Sim.) O sistema eleva o alerta para DESMONTAGEM DE CARRY TRADE DETECTADA e adiciona a cadeia de propagação: sinal de juros do BOJ, valorização do iene, pressão de chamada de margem sobre posições alavancadas, vendas correlacionadas entre classes de ativos.
Com a desmontagem do carry trade confirmada, o disjuntor escalona de ESTRANGULAMENTO para BLOQUEIO: todas as ordens de venda em instrumentos correlacionados (ações de tecnologia, posições em mercados emergentes, qualquer coisa financiada por empréstimos em iene) exigem aprovação manual. Ordens de compra e ordens em instrumentos não correlacionados continuam à taxa normal. A mesa de risco recebe um alerta estruturado com a cadeia de propagação completa, as atribuições SHAP para cada componente de sinal e o impacto estimado na carteira sob três cenários.
Cada decisão nesta sequência é registrada com data/hora, instantâneo do estado do mercado, entradas do modelo, avaliações de regras e ações de resposta. Quando o examinador chega seis meses depois, o sistema produz um relatório estruturado mostrando: o que foi detectado, por que a leitura do VIX foi classificada como impulsionada por spread, por que a resposta escalonou de ESTRANGULAMENTO para BLOQUEIO e o que os algoritmos teriam feito sem intervenção (contrafactual). Esta é a trilha de auditoria que faltou à investigação do Citigroup.
Um trabalho típico dura de 4 a 8 meses, do início à produção. Três fases, cada uma com entregas definidas.
4-6 semanas
Entrega: Análise de lacunas regulatórias + roteiro de construção
8-16 semanas
Entrega: Sistema funcional em ambiente de homologação
4-6 semanas
Entrega: Sistema pronto para produção + documentação regulatória
Responda a oito perguntas sobre sua postura atual de conformidade em negociação algorítmica. A avaliação identifica suas lacunas em relação aos requisitos da SEC, da MiFID II, da Lei de IA da UE e do DORA e produz próximos passos acionáveis que você pode adotar com ou sem a Veriprajna.
O desafio central é que a Regra 15c3-5 da SEC e o RTS 6 da MiFID II se sobrepõem na intenção, mas divergem nos detalhes. A Regra 15c3-5 exige controles de risco de pré-negociação (limiares de capital, limites de crédito, filtros de ordens errôneas) com certificação anual do CEO. O RTS 6 exige que as empresas de negociação algorítmica mantenham registros das decisões algorítmicas por cinco anos, submetam descrições de estratégia às autoridades competentes e demonstrem que a equipe de conformidade pode revisar tecnicamente os processos algorítmicos.
Construímos uma camada de controle unificada em que cada controle de risco é mapeado para ambos os frameworks simultaneamente. Uma única verificação de limiar de capital de pré-negociação, por exemplo, satisfaz o requisito de acesso ao mercado da Regra 15c3-5 e o requisito de documentação de controle de risco do RTS 6. O sistema mantém trilhas de auditoria duplas: uma formatada para a fiscalização da FINRA e outra para a revisão da FCA/autoridade nacional competente. Quando você modifica um parâmetro de controle, o sistema mostra o impacto de conformidade em ambas as jurisdições antes que a alteração entre em vigor.
Para empresas que também operam sob o DORA, adicionamos uma terceira camada de mapeamento que cobre a gestão de risco de TIC e as obrigações de relatório de incidentes. A alternativa, manter processos de conformidade separados por jurisdição, é como a maioria das empresas opera hoje. Funciona até que um incidente transfronteiriço ocorra e três reguladores façam perguntas diferentes sobre o mesmo evento.
Quando um regulador pergunta por que seu algoritmo vendeu 200.000 ações de uma determinada empresa às 9h47 durante um pico de volatilidade, ele precisa de mais do que registros de ordens mostrando que a negociação aconteceu. Ele precisa da cadeia de decisão.
Nosso sistema de auditoria reconstrói quatro camadas para qualquer negociação sinalizada. Primeiro, o instantâneo do estado do mercado: quais dados o algoritmo recebeu naquele momento, incluindo a profundidade do livro de ordens, a largura do spread, as leituras de volatilidade e os sinais entre ativos. Segundo, a atribuição do modelo: quais features impulsionaram a decisão e em que medida, usando valores SHAP que mostram, por exemplo, que 43% do sinal de venda veio de um pico no VIX, 31% de um desequilíbrio no livro de ordens e 26% de uma mudança de correlação entre ativos. Terceiro, o registro de avaliação de regras: quais restrições determinísticas foram verificadas (limites de posição, limiares de capital, restrições de instrumento) e se alguma foi acionada. Quarto, o contrafactual: o que o algoritmo teria feito sob condições diferentes, como se a leitura do VIX tivesse sido 10% menor ou se o sinal entre ativos tivesse estado ausente.
Isso produz um relatório estruturado que um responsável por conformidade pode entregar a um examinador. A reconstrução roda sobre dados históricos, de modo que você pode auditar negociações de semanas ou meses atrás, não apenas eventos em tempo real.
A taxa de falsos positivos acima de 25% que 70% dos bancos relatam vem de um problema fundamental de design: a maioria dos sistemas de vigilância aplica limiares estáticos a negociações ou padrões individuais sem considerar o contexto. Uma grande negociação em bloco parece idêntica ao layering se você examinar apenas o tamanho da ordem e a taxa de cancelamento.
Construímos pontuação de alertas contextualizada em três dimensões. Primeiro, linhas de base comportamentais do operador: o sistema aprende os padrões normais de cada operador (instrumentos, horários, distribuição de tamanhos, taxas de cancelamento) e sinaliza desvios em relação à sua própria linha de base, não a um limiar genérico. Um formador de mercado que rotineiramente coloca e cancela grandes ordens gera alertas diferentes dos de um gestor de carteira que faz a mesma coisa. Segundo, ajuste ao regime de mercado: durante períodos de alta volatilidade como o flash crash de agosto de 2024, o comportamento algorítmico normal parece anormal pelos padrões estáticos. O sistema ajusta os limiares com base no regime atual (alta, baixa, crise, baixa liquidez), de modo que uma venda generalizada impulsionada por volatilidade não gere centenas de falsos alertas de spoofing. Terceiro, pontuação por referência cruzada: antes de escalonar um alerta, o sistema verifica se o padrão aparece em vários locais de negociação, se o operador tem relações de contraparte que expliquem a atividade e se padrões semelhantes estão ocorrendo em todo o mercado (sugerindo comportamento impulsionado pelo regime, e não manipulação).
Cada alerta recebe uma pontuação de confiança composta. As equipes de conformidade revisam primeiro os alertas de alta confiança, e o sistema refina continuamente a pontuação com base em quais alertas levam a investigações genuínas em vez de descartes.
A Lei de IA da UE classifica certas aplicações de IA como de alto risco, exigindo avaliações de conformidade, documentação técnica, marcação CE e registro na base de dados da UE. A pontuação de crédito financeiro está explicitamente listada como de alto risco. Se a IA de negociação algorítmica se qualifica era algo que se esperava esclarecer nas diretrizes da Comissão Europeia de fevereiro de 2026 sobre classificação de alto risco.
Independentemente da classificação final, as empresas que usam IA na negociação enfrentam três requisitos práticos até 2 de agosto de 2026. Primeiro, documentação: você precisa de documentação técnica descrevendo a finalidade, a arquitetura, os dados de treinamento, as métricas de desempenho e as limitações conhecidas do seu sistema de IA. A maioria das empresas de negociação algorítmica tem repositórios de código, mas não a documentação estruturada que a Lei exige. Segundo, gestão de riscos: você precisa de um sistema documentado de gestão de riscos que identifique e mitigue riscos ao longo de todo o ciclo de vida da IA, incluindo testes sob condições diferentes dos dados de treinamento, o que importa enormemente para algoritmos de negociação que podem ter sido desenvolvidos durante períodos de baixa volatilidade. Terceiro, supervisão humana: o sistema deve permitir a intervenção humana, incluindo a capacidade de anular ou parar o sistema de IA. Para a negociação, isso significa procedimentos documentados de botão de desligamento de emergência, caminhos de escalonamento e evidência de que operadores humanos conseguem de fato interpretar o que o sistema está fazendo.
A EBA publicou um relatório em novembro de 2025 sobre as implicações da Lei de IA para o setor bancário, que usamos como referência para avaliações de lacunas. A Lei tem alcance global: se o seu sistema de IA interage com usuários ou mercados sediados na UE, você está no escopo, independentemente de onde sua empresa esteja constituída.
Um trabalho típico dura de 4 a 8 meses, do início à produção, dependendo do escopo e do estado da sua infraestrutura existente. A primeira fase (de 4 a 6 semanas) é uma avaliação da arquitetura de conformidade. Auditamos seus controles atuais de negociação algorítmica em relação a cada jurisdição em que você opera, mapeamos suas ferramentas de vigilância existentes e suas lacunas, revisamos seu inventário de algoritmos e o estado da documentação e identificamos quais prazos regulatórios são mais urgentes. Esta fase produz um relatório de lacunas e um plano de construção priorizado.
A segunda fase (de 8 a 16 semanas) é a construção do sistema. Trabalhamos dentro da sua infraestrutura existente, sem substituir seu OMS ou fornecedor de vigilância, mas construindo a camada de inteligência de conformidade que fica entre eles. Isso inclui o pipeline de explicabilidade (reconstrução da cadeia de decisão, atribuição SHAP), o mapeamento de controle multijurisdicional e o sistema de triagem de alertas. A integração com os feeds de dados existentes (gestão de ordens, dados de mercado, registros de execução) costuma ser a tarefa individual mais demorada.
A terceira fase (de 4 a 6 semanas) é a validação e o alinhamento regulatório. Executamos o sistema contra dados históricos, validamos os resultados de auditoria em relação aos formatos reais de exame regulatório, ajustamos os limiares de alerta em relação à sua linha de base de falsos positivos e documentamos tudo de acordo com os padrões da Lei de IA da UE e do RTS 6.
Uma ressalva: se o seu inventário de algoritmos estiver mal documentado (a FCA constatou isso na maioria das empresas que revisou), adicione de 3 a 4 semanas para o trabalho de descoberta e catalogação que deve acontecer antes que qualquer sistema de conformidade possa ser construído sobre ele.
Funciona junto com seu fornecedor existente. Substituir uma plataforma de vigilância empresarial é um projeto de vários anos e milhões de dólares que a maioria das empresas não deveria empreender, a menos que a plataforma esteja fundamentalmente quebrada.
O que construímos preenche as lacunas que seu fornecedor atual não cobre. NICE Actimize, Eventus e Nasdaq Surveillance são fortes na detecção baseada em padrões: spoofing, layering, wash trading, front-running. Eles examinam o fluxo de ordens em busca de assinaturas de manipulação conhecidas e geram alertas. O que normalmente lhes falta são três coisas. Primeiro, explicabilidade das decisões algorítmicas: quando um regulador pergunta por que seu algoritmo fez algo, seu fornecedor de vigilância pode mostrar que a negociação aconteceu e se ela correspondeu a um padrão de manipulação, mas não por que o algoritmo tomou aquela decisão. A camada de explicabilidade que construímos reconstrói a cadeia de decisão a partir da própria lógica do seu algoritmo, das features do modelo e do estado do mercado. Segundo, mapeamento de conformidade entre regulamentações: seu fornecedor de vigilância detecta abuso de mercado, mas não mapeia seus controles de negociação algorítmica para os requisitos da Regra 15c3-5 da SEC, os critérios de autoavaliação do RTS 6 da MiFID II, as obrigações de documentação da Lei de IA da UE e os padrões de resiliência do DORA simultaneamente. Esse mapeamento é o que construímos. Terceiro, disjuntores inteligentes: seu fornecedor gera alertas depois que as negociações são executadas. O sistema de disjuntores que construímos intervém antes ou durante a execução com respostas graduadas com base na gravidade e no padrão do desvio.
A integração costuma ser por meio da API ou do feed de alertas do seu fornecedor. Consumimos os alertas deles como uma das entradas no panorama mais amplo de conformidade, adicionando contexto, referência cruzada e explicabilidade sobre o que eles já detectam.
A base técnica por trás desta página de solução.
Análise da mecânica do flash crash de agosto de 2024, modelagem de topologia de mercado baseada em GNN e arquiteturas neuro-simbólicas para controle determinístico em ambientes de negociação algorítmica.
O Citigroup pagou US$ 92 milhões por uma falha de controle algorítmico. A Two Sigma pagou US$ 90 milhões por governança de modelo inadequada.
Seus algoritmos estão em funcionamento. Seus reguladores estão observando. A questão é se você consegue explicar cada decisão que seus sistemas tomam, em cada jurisdição em que você opera, antes que o examinador pergunte.