EVELTRADE · LEGAL & SAFETY
AI & Automated Trading Notice
อธิบายว่า AI ของ EVELTRADE ทำอะไร ไม่ทำอะไร และข้อมูลการเรียนรู้ถูกใช้อย่างไร
Updated: 20 August 2026
คำว่า AI หรือ Machine Learning ไม่ได้หมายความว่าระบบรู้อนาคตหรือไม่มีความผิดพลาด ฟีเจอร์ที่แสดงความน่าจะเป็นต้องตีความเป็นผลจากโมเดล/กฎ ไม่ใช่ข้อเท็จจริงล่วงหน้า
1. ชั้นการวิเคราะห์
EVELTRADE อาจใช้ Foundation Engine, Feature/Regime Engine, กลยุทธ์แบบกำหนดกฎ และโมเดล Machine Learning ตามเวอร์ชันที่ได้รับอนุมัติ ระบบอาจใช้โมเดลเพียงหนึ่งตัวเป็น Live Model ในช่วงเวลาเดียวกัน
2. การเรียนรู้
ระบบออกแบบให้เก็บข้อมูลตลาด Decision, Teacher samples และผลลัพธ์ แล้วสร้าง Dataset เพื่อฝึก Challenger Model แยกจาก Live Runtime ก่อน Validation/Promotion แทนการเปลี่ยนน้ำหนักโมเดลสดทุกออเดอร์
3. การสอนของสมาชิกและ Owner
การสอนของสมาชิกควรถูกเก็บเป็น Personal Learning Memory ของสมาชิกนั้น ส่วนการสอนของ Owner ใช้เป็นข้อมูลสมองกลางตามนโยบาย Dataset/Validation ของระบบ
4. Human control
การเปิด AUTO ไม่ควรลบสิทธิ์ควบคุมของผู้ใช้ ผู้ใช้ต้องสามารถ Start/Stop, กำหนด Schedule, ปรับ Strategy/Risk และใช้ Emergency Stop ได้
5. ความผิดพลาดของโมเดล
โมเดลอาจเกิด false positive, false negative, regime misclassification, concept drift หรือข้อผิดพลาดจากข้อมูล/การเชื่อมต่อ การมี AI จึงไม่ลดความจำเป็นในการควบคุมความเสี่ยง
EVELTRADE · LEGAL & SAFETY
AI & Automated Trading Notice
Explains what EVELTRADE AI does, what it does not do, and how learning data is used.
Updated: 20 August 2026
“AI” or “Machine Learning” does not mean the system knows the future or is error-free. Probabilities are model/rule outputs, not facts about future market behavior.
1. Analysis layers
EVELTRADE may use a Foundation Engine, Feature/Regime Engine, rule-based strategies and approved Machine Learning models. The platform is designed to keep a controlled Live Model state.
2. Learning workflow
The architecture stores market data, decisions, teacher samples and outcomes, builds datasets, trains Challenger Models away from live runtime, and validates them before promotion rather than changing live weights after every trade.
3. Member vs Owner teaching
Member teaching should remain in the member’s personal learning memory. Owner teaching may be used for the central brain subject to dataset and validation policy.
4. Human control
Enabling AUTO should not remove user control. Members must be able to Start/Stop, schedule runtime, configure strategy/risk and use an emergency stop.
5. Model limitations
Models can suffer false positives, false negatives, regime misclassification, concept drift, bad data or connectivity failures. AI does not replace risk controls.
EVELTRADE · LEGAL & SAFETY
Thông báo AI & giao dịch tự động
Giải thích AI của EVELTRADE làm gì, không làm gì và dữ liệu học được sử dụng thế nào.
Updated: 20 August 2026
AI/Machine Learning không có nghĩa là biết trước tương lai hoặc không có lỗi.
1. Các lớp phân tích
Hệ thống có thể dùng Foundation Engine, Feature/Regime Engine, chiến lược theo luật và model ML đã được phê duyệt.
2. Quy trình học
Dữ liệu thị trường, quyết định, teacher sample và kết quả được lưu để tạo dataset, train Challenger và validate trước khi promote.
3. Member vs Owner
Bài dạy của member lưu riêng; bài dạy của Owner có thể dùng cho Central Brain theo chính sách dataset.
4. Quyền kiểm soát
AUTO không được loại bỏ Start/Stop, Schedule, Strategy/Risk và Emergency Stop của người dùng.
5. Giới hạn model
Model có thể phân loại sai, drift, dữ liệu xấu hoặc lỗi kết nối. AI không thay thế kiểm soát rủi ro.
EVELTRADE · LEGAL & SAFETY
AI・自動取引に関する通知
EVELTRADEのAIが何を行い、何を行わず、学習データをどう使うかを説明します。
Updated: 20 August 2026
AI/機械学習は未来を予知することや無誤差を意味しません。
1. 分析レイヤー
Foundation Engine、Feature/Regime Engine、ルール戦略、承認済みMLモデルを利用する場合があります。
2. 学習ワークフロー
市場データ、判断、Teacher sample、結果を保存し、Datasetを作成してChallengerを学習・検証後に昇格します。
3. MemberとOwnerの教師データ
Memberの教師データは個別メモリ、Ownerの教師データは中央Brainに利用される場合があります。
4. ユーザー制御
AUTOでもStart/Stop、Schedule、Strategy/Risk、Emergency Stopが利用できる必要があります。
5. モデルの限界
誤判定、concept drift、データ不良、接続障害が起こり得ます。AIはリスク管理の代替ではありません。
