Velyra Platform analüüsib ajaloolist turukäitumist ja reaalajas andmevooge, et koostada riskiga kohandatud soovitusi, andes töötavatele spetsialistidele distsiplineeritud võimaluse hinnata, kus lisakapital võib rohkem töötada.
Velyra Platform teisendab suured turu- ja portfelliandmed väikeseks arvuks järjestatud ja selgitatavateks soovitusteks. Iga alltoodud etapp on loodud protsessist arvamise eemaldamiseks.
Platvorm tugineb mitme turu hinnakujunduse, makromajanduse ja volatiilsuse andmetele, mida värskendatakse kogu kauplemispäeva jooksul, mitte kindlate ajavahemike järel.
See annab aluseks olevatele mudelitele praeguse ülevaate tingimustest, nii et soovitused kajastavad pigem praegusi olusid kui aegunud hetktõmmiseid.
Statistilised ja masinõppemudelid tuvastavad ajaloolise hinnakäitumise mustrid ja testivad, kuidas need mustrid erinevates tururežiimides püsisid.
Mudeleid õpetatakse ümber jooksvalt, mis võimaldab platvormil kohaneda, kuna uued andmed asendavad vanemad eeldused.
Iga kandidaatstrateegiat hinnatakse mitte ainult prognoositava tulu, vaid ka volatiilsuse, väljamaksete ajaloo ja kasutaja olemasoleva osalusega korrelatsiooni alusel.
See järjestus takistab suure tootlusega ja suure volatiilsusega kõrvalekaldeid domineerimast soovituste loendis ilma sobiva kontekstita.
Soovitused esitatakse koos nende põhjendustega: andmete sisendid, tagasitesti aken ja rakendatud eeldused.
Kasutajad saavad iga soovituse jälitada selle tugiandmetele, selle asemel et nõustuda ilma kontekstita joonisega.
Tagasitestimine ja ennustav modelleerimine on kasulikud ainult siis, kui nende taga olev protsess on distsiplineeritud. Allolev töövoog kirjeldab, kuidas Velyra Platform iga strateegiat koostab ja kinnitab.
Turuandmed hangitakse litsentsitud finantsandmete pakkujatelt ja võrreldakse neid teisese allikaga enne mudelikonveierisse sisenemist, vähendades sellega vigade sisestamise riski soovitustesse.
Kandidaatide strateegiaid juhitakse ajalooliste andmete põhjal, mis hõlmavad mitut turutsüklit, sealhulgas kahanemisperioode, et jälgida, kuidas antud lähenemisviis oleks käitunud stressiolukorras, mitte ainult soodsates tingimustes.
Enne juurutamist testitakse iga mudelit andmetega, mida see varem pole näinud. See samm on mõeldud ülepaigutamise tabamiseks, kus strateegia tundub tugev ainult seetõttu, et see oli häälestatud varasemate andmetega liiga täpselt vastama.
Reaalajas esitust jälgitakse vastavalt tagasitestitud ootustele. Kui ilmneb oluline lahknevus, märgistatakse mudel ülevaatamiseks ja uuesti kalibreerimiseks, mitte ei jäeta seda kontrollimata.
Kõik sisendid on jälgitavad nimetatud pakkujani ja ajatempliga, mis võimaldab kõiki soovitusi lähteandmetele tagasi auditeerida.
Positsiooni suuruse ja hajutamise piirangud on sisse ehitatud igasse soovitusse, et piirata riskipositsiooni mis tahes üksiku vara või sektoriga, olenemata sellest, kui soodne tagasitestimine võib tunduda.
Allolevad stsenaariumid kajastavad tavalisi lähtekohti kasutajatele, kes loovad teisese tuluvoo või hindavad olemasolevat portfelli ümber.
Kasutatava igakuise sissetulekuga, kuid piiratud turukogemusega kasutaja kasutab platvormi, et võrrelda enne kapitali paigutamist tagasitestitud strateegiaid lihtsa säästunäidisega.
Tulemus: teadlik eraldamisotsusOlemasoleva aktsiaportfelliga kasutaja viib selle läbi platvormi korrelatsioonianalüüsi, et teha kindlaks, kus osalused kattuvad ja kus taganttestitud alternatiiv võib üldist riskipositsiooni vähendada.
Tulemus: vähenenud kontsentratsiooniriskFüüsilisest isikust ettevõtja modelleerib, kuidas osa ebaregulaarsest sissetulekust saaks jaotada erineva likviidsusprofiiliga strateegiate vahel, tuginedes pigem varasematele väljamakseandmetele kui oletustele.
Tulemus: likviidsusteadlik planeerimineEttevõtte omanik, kes võrdleb reinvesteerimist välise jaotusega, kasutab platvormi võrdlusuuringu tööriistu, et kaaluda prognoositavat riskiga korrigeeritud tulu ja ettevõttega seotud kapitali maksumust.
Tulemus: võrdlev otsustusraamistikAnalüütilised kasutajad kipuvad enne selle usaldamist küsima, kuidas süsteem mingi näitajani jõuab. Alltoodud vastused käsitlevad kõige levinumaid metoodika, koolituse ja andmetöötluse küsimusi.
Iga strateegiat hinnatakse kaalutud kriteeriumide kogumi alusel, sealhulgas ajalooline tootlus, volatiilsus, väljavõtmise sügavus ja korrelatsioon tavaliste varaklassidega. Kaal on fikseeritud ja avalikustatud, seda ei korrigeerita iga juhtumi puhul eraldi, nii et samad kriteeriumid kehtivad järjepidevalt kõikides soovitustes.
Mudeleid koolitatakse mitmeaastase ajaloolise hinnakujunduse ja makromajanduslike andmekogumite kohta, mis on hangitud litsentsitud finantsandmete pakkujatelt. Treeninguandmeid värskendatakse jooksva ajakava alusel, et mudeli tugiraam ei jääks turutingimuste muutudes staatiliseks.
Strateegiad kinnitatakse valimiväliste andmete põhjal, mis olid algsest treeningkomplektist kinni peetud. Strateegia, mis toimib hästi ainult nende andmete puhul, millel see on üles ehitatud, jäetakse kõrvale, enne kui see jõuab kasutajale suunatud soovituseni.
Kasutajakonto andmed on edastamisel ja puhkeolekus krüpteeritud. Platvorm ei paku Ühendkuningriigi määruste alusel isikupärastatud finantsnõustamist; see esitab andmepõhise analüüsi, mille eesmärk on toetada, mitte asendada kasutaja enda hinnangut või sõltumatut professionaalset nõu.
Jah. Iga soovitus sisaldab viidet tagasitesti aknale ja selle genereerimiseks kasutatud andmesisenditele, mis võimaldab kasutajal vaadata läbi selle aluseks olevad arutlused, mitte aktsepteerida arvu nimiväärtusega.
Juurdepääs Velyra Platform-ile, et vaadata tagantjärele testitud strateegia toimivust, riskiga kohandatud pingerida ja iga soovituse põhjendusi.
Juurdepääs platvormileMetoodika ülevaatamiseks ja proovi analüüsimiseks krediitkaarti pole vaja.