Το Velyra Platform αναλύει την ιστορική συμπεριφορά της αγοράς και τις ζωντανές ροές δεδομένων για να παράγει συστάσεις προσαρμοσμένες ως προς τον κίνδυνο, παρέχοντας στους επαγγελματίες που εργάζονται έναν πειθαρχημένο τρόπο να αξιολογούν πού μπορεί να λειτουργήσει σκληρότερα το πρόσθετο κεφάλαιο.
Το Velyra Platform μετατρέπει μεγάλους όγκους δεδομένων αγοράς και χαρτοφυλακίου σε μικρό αριθμό ταξινομημένων, εξηγήσιμων συστάσεων. Κάθε στάδιο παρακάτω έχει σχεδιαστεί για να αφαιρεί τις εικασίες από τη διαδικασία.
Η πλατφόρμα βασίζεται σε δεδομένα τιμολόγησης, μακροοικονομικής και μεταβλητότητας σε πολλές αγορές, ανανεωμένα κατά τη διάρκεια της ημέρας συναλλαγών και όχι σε σταθερά διαστήματα.
Αυτό δίνει στα υποκείμενα μοντέλα μια τρέχουσα άποψη των συνθηκών, επομένως οι συστάσεις αντικατοπτρίζουν τις παρούσες συνθήκες και όχι μπαγιάτικα στιγμιότυπα.
Στατιστικά μοντέλα και μοντέλα μηχανικής μάθησης εντοπίζουν μοτίβα στην ιστορική συμπεριφορά των τιμών και δοκιμάζουν πώς αυτά τα μοτίβα διατηρούνται σε διαφορετικά καθεστώτα αγοράς.
Τα μοντέλα επανεκπαιδεύονται σε κυλιόμενη βάση, γεγονός που επιτρέπει στην πλατφόρμα να προσαρμόζεται καθώς τα νέα δεδομένα αντικαθιστούν παλαιότερες υποθέσεις.
Κάθε υποψήφια στρατηγική βαθμολογείται όχι μόνο βάσει της προβλεπόμενης απόδοσης, αλλά και ως προς τη μεταβλητότητα, το ιστορικό αναλήψεων και τη συσχέτιση με τις υπάρχουσες εκμεταλλεύσεις ενός χρήστη.
Αυτή η κατάταξη αποθαρρύνει τα ακραία στοιχεία υψηλής απόδοσης και υψηλής μεταβλητότητας να κυριαρχούν στη λίστα συστάσεων χωρίς το κατάλληλο πλαίσιο.
Οι συστάσεις παρουσιάζονται με το σκεπτικό πίσω από αυτές: τις εισαγωγές δεδομένων, το παράθυρο backtest και τις υποθέσεις που εφαρμόστηκαν.
Οι χρήστες μπορούν να εντοπίσουν οποιαδήποτε πρόταση πίσω στα υποστηρικτικά δεδομένα της, αντί να αποδεχτούν μια εικόνα χωρίς πλαίσιο.
Το backtesting και η προγνωστική μοντελοποίηση είναι χρήσιμα μόνο εάν η διαδικασία πίσω από αυτά είναι πειθαρχημένη. Η ροή εργασίας παρακάτω περιγράφει τον τρόπο με τον οποίο το Velyra Platform δημιουργεί και επικυρώνει κάθε στρατηγική.
Τα δεδομένα της αγοράς αντλούνται από αδειοδοτημένους παρόχους χρηματοοικονομικών δεδομένων και ελέγχονται σε σχέση με μια δευτερεύουσα πηγή πριν εισέλθουν στη γραμμή παραγωγής του μοντέλου, μειώνοντας τον κίνδυνο τροφοδοσίας εσφαλμένων εισροών σε μια σύσταση.
Οι υποψήφιες στρατηγικές εκτελούνται με βάση ιστορικά δεδομένα που καλύπτουν πολλούς κύκλους αγοράς, συμπεριλαμβανομένων περιόδων συρρίκνωσης, για να παρατηρηθεί πώς μια δεδομένη προσέγγιση θα συμπεριφερόταν υπό πίεση και όχι μόνο σε ευνοϊκές συνθήκες.
Πριν από την ανάπτυξη, κάθε μοντέλο ελέγχεται σε δεδομένα που δεν είχε δει στο παρελθόν. Αυτό το βήμα έχει σχεδιαστεί για να συλλάβει την υπερβολική προσαρμογή, όπου μια στρατηγική εμφανίζεται ισχυρή μόνο επειδή ήταν συντονισμένη ώστε να ταιριάζει πολύ στενά με προηγούμενα δεδομένα.
Η ζωντανή απόδοση παρακολουθείται έναντι των αναδρομικών προσδοκιών. Όπου εμφανίζεται μια σημαντική απόκλιση, το μοντέλο επισημαίνεται για έλεγχο και επαναβαθμονόμηση αντί να αφήνεται να εκτελεστεί χωρίς έλεγχο.
Όλες οι εισροές είναι ανιχνεύσιμες σε έναν επώνυμο πάροχο και έχουν χρονική σήμανση, επιτρέποντας τον έλεγχο οποιασδήποτε σύστασης στα δεδομένα πηγής της.
Τα όρια μεγέθους θέσης και διαφοροποίησης ενσωματώνονται σε κάθε σύσταση για τον περιορισμό της έκθεσης σε οποιοδήποτε μεμονωμένο περιουσιακό στοιχείο ή τομέα, ανεξάρτητα από το πόσο ευνοϊκό μπορεί να φαίνεται ένα backtest.
Τα παρακάτω σενάρια αντικατοπτρίζουν κοινά σημεία εκκίνησης για τους χρήστες που δημιουργούν μια δευτερεύουσα ροή εισοδήματος ή επαναξιολογούν ένα υπάρχον χαρτοφυλάκιο.
Ένας χρήστης με διαθέσιμο μηνιαίο εισόδημα αλλά περιορισμένη εμπειρία στην αγορά χρησιμοποιεί την πλατφόρμα για να συγκρίνει στρατηγικές που έχουν δοκιμαστεί εκ των υστέρων με ένα απλό σημείο αναφοράς αποταμίευσης πριν δεσμεύσει κεφάλαια.
Αποτέλεσμα: ενημερωμένη απόφαση κατανομήςΈνας χρήστης με υπάρχον χαρτοφυλάκιο μετοχών το τρέχει μέσω της ανάλυσης συσχέτισης της πλατφόρμας για να προσδιορίσει πού αλληλεπικαλύπτονται οι συμμετοχές και πού μια εναλλακτική λύση που έχει δοκιμαστεί εκ των υστέρων μπορεί να μειώσει τη συνολική έκθεση.
Αποτέλεσμα: μειωμένος κίνδυνος συγκέντρωσηςΈνας αυτοαπασχολούμενος χρήστης μοντελοποιεί τον τρόπο με τον οποίο ένα μέρος του παράτυπου εισοδήματος θα μπορούσε να κατανεμηθεί σε στρατηγικές με διαφορετικά προφίλ ρευστότητας, βάσει ιστορικών δεδομένων ανάληψης και όχι υποθέσεων.
Αποτέλεσμα: Σχεδιασμός με επίγνωση της ρευστότηταςΈνας ιδιοκτήτης επιχείρησης που συγκρίνει την επανεπένδυση με την εξωτερική κατανομή χρησιμοποιεί τα εργαλεία συγκριτικής αξιολόγησης της πλατφόρμας για να σταθμίσει τις προβλεπόμενες αποδόσεις προσαρμοσμένες στον κίνδυνο έναντι του κόστους του δεσμευμένου κεφαλαίου στην επιχείρηση.
Αποτέλεσμα: συγκριτικό πλαίσιο αποφάσεωνΟι αναλυτικοί χρήστες τείνουν να ρωτούν πώς ένα σύστημα φτάνει σε έναν αριθμό πριν το εμπιστευτούν. Οι παρακάτω απαντήσεις αφορούν τις πιο συνηθισμένες ερωτήσεις σχετικά με τη μεθοδολογία, την εκπαίδευση και τον χειρισμό δεδομένων.
Κάθε στρατηγική βαθμολογείται με βάση ένα σταθμισμένο σύνολο κριτηρίων, όπως η ιστορική απόδοση, η μεταβλητότητα, το βάθος ανάληψης και η συσχέτιση με κοινές κατηγορίες περιουσιακών στοιχείων. Η στάθμιση είναι σταθερή και αποκαλύπτεται, δεν προσαρμόζεται κατά περίπτωση, επομένως τα ίδια κριτήρια ισχύουν με συνέπεια σε όλες τις συστάσεις.
Τα μοντέλα εκπαιδεύονται σε πολυετή ιστορικά σύνολα τιμολόγησης και μακροοικονομικά δεδομένα που προέρχονται από αδειοδοτημένους παρόχους χρηματοοικονομικών δεδομένων. Τα δεδομένα εκπαίδευσης ανανεώνονται σε κυλιόμενο πρόγραμμα, έτσι ώστε το πλαίσιο αναφοράς του μοντέλου να μην παραμένει στατικό καθώς εξελίσσονται οι συνθήκες της αγοράς.
Οι στρατηγικές επικυρώνονται σε δεδομένα εκτός δείγματος που αποκρύπτονταν από το αρχικό σετ εκπαίδευσης. Μια στρατηγική που αποδίδει καλά μόνο στα δεδομένα στα οποία δημιουργήθηκε απορρίπτεται πριν φτάσει σε μια πρόταση που απευθύνεται στον χρήστη.
Τα δεδομένα λογαριασμού χρήστη κρυπτογραφούνται κατά τη μεταφορά και την ηρεμία. Η πλατφόρμα δεν παρέχει εξατομικευμένες οικονομικές συμβουλές βάσει του κανονισμού του ΗΒ. Παρουσιάζει ανάλυση βάσει δεδομένων που έχει σκοπό να υποστηρίξει, όχι να αντικαταστήσει, την κρίση του χρήστη ή την ανεξάρτητη επαγγελματική συμβουλή.
Ναί. Κάθε πρόταση περιλαμβάνει μια αναφορά στο παράθυρο backtest και τις εισαγωγές δεδομένων που χρησιμοποιούνται για τη δημιουργία του, επιτρέποντας στον χρήστη να επανεξετάσει το υποκείμενο σκεπτικό αντί να αποδεχτεί έναν αριθμό στην ονομαστική του αξία.
Αποκτήστε πρόσβαση στο Velyra Platform για να δείτε την απόδοση στρατηγικής που έχει δοκιμαστεί εκ των υστέρων, τις ταξινομήσεις προσαρμοσμένες στον κίνδυνο και το σκεπτικό πίσω από κάθε σύσταση.
Πρόσβαση στην πλατφόρμαΔεν απαιτείται πιστωτική κάρτα για τον έλεγχο της μεθοδολογίας και της ανάλυσης δειγμάτων.