Velyra Platform は、過去の市場動向とライブ データ ストリームを分析して、リスク調整された推奨事項を生成し、追加資本がより効果的に働く可能性がある場所を評価するための規律ある方法を働く専門家に提供します。
Velyra Platform は、大量の市場およびポートフォリオのデータを、ランク付けされた説明可能な少数の推奨事項に変換します。以下の各段階は、プロセスから推測を排除するように設計されています。
このプラットフォームは、複数の市場にわたる価格設定、マクロ経済、ボラティリティのデータを利用しており、固定間隔ではなく取引日を通して更新されます。
これにより、基礎となるモデルに状況の現在のビューが与えられるため、推奨事項には古いスナップショットではなく現在の状況が反映されます。
統計モデルと機械学習モデルは、過去の価格動向のパターンを特定し、それらのパターンがさまざまな市場体制にわたってどのように維持されるかをテストします。
モデルはローリングベースで再トレーニングされるため、新しいデータが古い仮定に取って代わられるとプラットフォームが調整できるようになります。
すべての候補戦略は、予想リターンだけでなく、ボラティリティ、ドローダウン履歴、ユーザーの既存の保有資産との相関関係にも基づいてスコア付けされます。
このランキングは、適切なコンテキストなしに、ハイリターンでボラティリティの高い外れ値が推奨リストを独占することを妨げます。
推奨事項は、データ入力、バックテスト ウィンドウ、適用される仮定など、その背後にある理由とともに提示されます。
ユーザーは、文脈なしに図を受け入れるのではなく、あらゆる提案をその裏付けとなるデータまで遡ることができます。
バックテストと予測モデリングは、その背後にあるプロセスが統制されている場合にのみ役立ちます。以下のワークフローは、Velyra Platform が各戦略を構築および検証する方法の概要を示しています。
市場データは認可された金融データプロバイダーから取得され、モデルパイプラインに入る前に二次ソースと照合して、推奨事項に誤った入力が入力されるリスクを軽減します。
候補戦略は、縮小期を含む複数の市場サイクルにわたる履歴データに対して実行され、特定のアプローチが有利な状況下だけでなくストレス下でどのように動作するかを観察します。
導入前に、各モデルはこれまでに見たことのないデータでテストされます。このステップは、過去のデータとあまりにも密接に一致するように調整された戦略のみが強力であるように見える過剰適合を検出するように設計されています。
ライブパフォーマンスは、バックテストされた期待に照らして監視されます。意味のある乖離が見られる場合、モデルはチェックされずに実行されるのではなく、レビューと再調整のためにフラグが立てられます。
すべての入力は指定されたプロバイダーまで追跡でき、タイムスタンプが付けられるため、あらゆる推奨事項をソース データに遡って監査することができます。
ポジションのサイジングと分散の制限は、バックテストがどれほど有利に見えるかに関係なく、単一の資産またはセクターへのエクスポージャーを制限するために、すべての推奨事項に組み込まれています。
以下のシナリオは、ユーザーが副次的な収入源を構築したり、既存のポートフォリオを再評価したりするための一般的な開始点を反映しています。
月々の可処分所得はあるものの、市場経験が限られているユーザーは、資金を投入する前にこのプラットフォームを使用して、バックテスト済みの戦略を単純な貯蓄ベンチマークと比較します。
結果: 情報に基づいた割り当ての決定既存の株式ポートフォリオを持つユーザーは、プラットフォームの相関分析を通じてそれを実行し、保有銘柄が重複している箇所と、バックテストされた代替案が全体的なエクスポージャーを削減する可能性がある箇所を特定します。
結果: 集中リスクの軽減自営業のユーザーは、仮定ではなく過去のドローダウンデータに基づいて、不規則な収入の一部を異なる流動性プロファイルの戦略にどのように配分できるかをモデル化します。
結果: 流動性を意識した計画事業主は、再投資と外部配分を比較し、プラットフォームのベンチマーク ツールを使用して、予測されるリスク調整後の収益と事業に関わる資本コストを比較検討します。
結果: 比較決定の枠組み分析ユーザーは、システムを信頼する前に、その数値にどのように到達するかを尋ねる傾向があります。以下の回答は、方法論、トレーニング、データ処理に関する最も一般的な質問に対応しています。
各戦略は、過去のリターン、ボラティリティ、ドローダウンの深さ、一般的な資産クラスとの相関関係などの重み付けされた一連の基準に基づいてスコア付けされます。重み付けは固定され、開示されており、ケースごとに調整されるものではないため、推奨事項全体に同じ基準が一貫して適用されます。
モデルは、ライセンスを取得した金融データ プロバイダーから取得した複数年の過去の価格設定とマクロ経済データセットに基づいてトレーニングされます。トレーニング データはローリング スケジュールで更新されるため、市場の状況が変化してもモデルの参照フレームが静的なままにならないようにします。
戦略は、元のトレーニング セットから差し控えられたサンプル外のデータに基づいて検証されます。構築されたデータでのみ良好なパフォーマンスを発揮する戦略は、ユーザー向けの推奨事項に到達する前に破棄されます。
ユーザー アカウント データは、転送中も保存中も暗号化されます。このプラットフォームは英国の規制に基づいて個別の財務アドバイスを提供しません。これは、ユーザー自身の判断や独立した専門家のアドバイスに代わるものではなく、サポートすることを目的としたデータ主導の分析を提供します。
はい。すべての推奨事項には、バックテスト ウィンドウとその生成に使用されるデータ入力への参照が含まれているため、ユーザーは数字を額面通りに受け入れるのではなく、基礎となる推論を確認できます。
Velyra Platform にアクセスすると、バックテストされた戦略のパフォーマンス、リスク調整後のランキング、および各推奨事項の背後にある理由が表示されます。
プラットフォームにアクセスする方法論とサンプル分析を確認するためにクレジット カードは必要ありません。