リアルタイム市場監視中

FluxNotice

統計的に異常な市場状態を検知

Top 50暗号通貨を15分ごとに自動監視。Z-scoreベースの異常検知で統計的逸脱を可視化。
投資助言ではなく、データに基づく事実を提供します。

学術研究に基づく手法
リアルタイム更新
透明な統計手法

検知済みアラート

0

過去50件の異常検知イベント

監視中のシンボル

0

Top 50暗号通貨を並行監視

自動実行

15分

15分ごとに全シンボル自動チェック

最新のアラート

統計的に異常なファンディングレートを検知

すべて見る

市場データを取得中...

主要機能

FluxNoticeは透明性と再現性を重視した統計的アプローチで市場を監視します

統計的異常検知

Z-scoreベースの手法で、ファンディングレートの統計的逸脱を検知。感覚ではなく、数値に基づく客観的な判断。

Z-score ≥ 2.0
95th パーセンタイル
24h クールダウン

マルチシンボル自動監視

Top 50暗号通貨を15分ごとに並行チェック。主要取引所から確定データを取得。予測値ではなく、実際の値のみを使用。

50シンボル並行処理
15分ごと自動実行
Goroutine高速化

学術的根拠

計量ファイナンスの研究に基づいた透明な手法。ブラックボックスのMLモデルは使用せず、再現可能な統計手法を採用。

6つの学術論文
透明な計算式
再現可能
学術研究に基づく

Academic Foundation

FluxNoticeの手法は、以下の査読済み学術論文に基づいています

ACM Computing Surveys

Anomaly Detection: A Survey

Chandola, V., et al. (2009)

Z-score閾値の選定根拠

Springer

Outlier Analysis (2nd ed.)

Aggarwal, C. C. (2017)

パーセンタイルベースの閾値設定

Applied Sciences

Anomaly Detection in Cryptocurrency Markets

Alnami, A., et al. (2025)

ファンディングレートの選定理由

なぜ機械学習ではなく統計手法?

説明可能性

なぜアラートが発生したのか、数式で明確に説明できる

再現可能性

同じデータで常に同じ結果。ランダム性なし

チューニング容易性

閾値調整が簡単。再学習不要

信頼性

金融業界で数十年使われてきた実績

詳細は アラート算出手法 (Alert Methodology) のページをご覧ください。

市場の異常を見逃さない

統計的に有意な市場の変化を、リアルタイムで把握。
データドリブンな意思決定をサポートします。

無料で利用可能
オープンソース

ドキュメント

アルゴリズムの詳細、学術的根拠、実装方法を公開しています。

詳細を見る

フィードバック

改善提案やバグ報告は、専用のフォームよりお寄せください。

お問い合わせフォームを開く
⚠️

重要な免責事項

FluxNoticeは投資助言を行いません。

本サービスが提供するすべてのデータおよび情報は、情報提供および教育目的のみを目的としています。市場異常の統計的検知は、金融商品の売買または保有を推奨するものではありません。

市場状況は急速に変化する可能性があり、過去の統計的パターンが将来の結果を保証するものではありません。投資判断については、利用者ご自身の責任において行ってください。

FluxNoticeをご利用いただくことで、これらの制限事項をご理解いただき、本サービスのみに依拠して投資判断を行わないことに同意したものとみなされます。