Velyra Platform analizuje historyczne zachowania rynkowe i strumienie danych na żywo, aby opracować rekomendacje skorygowane o ryzyko, dając profesjonalistom zdyscyplinowany sposób oceny, gdzie dodatkowy kapitał może pracować ciężej.
Velyra Platform konwertuje duże ilości danych rynkowych i portfelowych na niewielką liczbę uszeregowanych, możliwych do wyjaśnienia rekomendacji. Każdy z poniższych etapów ma na celu wyeliminowanie z procesu domysłów.
Platforma korzysta z danych dotyczących cen, makroekonomii i zmienności na wielu rynkach, odświeżanych w ciągu dnia handlowego, a nie w stałych odstępach czasu.
Dzięki temu modele bazowe mają aktualny obraz warunków, więc rekomendacje odzwierciedlają obecne okoliczności, a nie przestarzałe migawki.
Modele statystyczne i systemy uczenia maszynowego identyfikują wzorce w historycznych zachowaniach cenowych i sprawdzają, jak te wzorce utrzymywały się w różnych reżimach rynkowych.
Modele są przeszkolone na bieżąco, co pozwala platformie na dostosowywanie się, gdy nowe dane zastępują starsze założenia.
Każda strategia kandydująca jest oceniana nie tylko pod kątem przewidywanego zwrotu, ale także zmienności, historii wypłat i korelacji z istniejącymi zasobami użytkownika.
Ten ranking zniechęca wartości odstające o wysokiej stopie zwrotu i dużej zmienności do dominowania na liście rekomendacji bez odpowiedniego kontekstu.
Zalecenia przedstawiono wraz z uzasadnieniem: dane wejściowe, okno analizy historycznej i zastosowane założenia.
Użytkownicy mogą prześledzić każdą sugestię w oparciu o dane pomocnicze, zamiast akceptować liczby bez kontekstu.
Testowanie historyczne i modelowanie predykcyjne są przydatne tylko wtedy, gdy leżący u ich podstaw proces jest zdyscyplinowany. Poniższy przepływ pracy opisuje, w jaki sposób Velyra Platform buduje i sprawdza każdą strategię.
Dane rynkowe są pobierane od licencjonowanych dostawców danych finansowych i sprawdzane krzyżowo z wtórnym źródłem przed wprowadzeniem do modelu rurociągu, co zmniejsza ryzyko wprowadzenia błędnych danych wejściowych do rekomendacji.
Strategie kandydatów opierają się na danych historycznych obejmujących wiele cykli rynkowych, w tym okresy recesji, aby zaobserwować, jak dane podejście zachowałoby się w warunkach skrajnych, a nie tylko w sprzyjających warunkach.
Przed wdrożeniem każdy model jest testowany na danych, których wcześniej nie widział. Ten krok ma na celu wykrycie nadmiernego dopasowania, czyli sytuacji, w której strategia wydaje się silna tylko dlatego, że została zbyt ściśle dostosowana do danych z przeszłości.
Występy na żywo są monitorowane pod kątem zweryfikowanych oczekiwań. Tam, gdzie pojawia się znacząca rozbieżność, model jest oznaczany do przeglądu i ponownej kalibracji, a nie pozostawiany bez sprawdzenia.
Wszystkie dane wejściowe są identyfikowalne z nazwanym dostawcą i oznaczone znacznikiem czasu, co pozwala na kontrolę wszelkich rekomendacji z powrotem do danych źródłowych.
Limity wielkości pozycji i dywersyfikacji są wbudowane w każdą rekomendację w celu ograniczenia ekspozycji na pojedynczy składnik aktywów lub sektor, niezależnie od tego, jak korzystna może wydawać się analiza historyczna.
Poniższe scenariusze odzwierciedlają typowe punkty wyjścia dla użytkowników budujących dodatkowe źródło dochodu lub ponownej oceny istniejącego portfela.
Użytkownik z miesięcznym dochodem do dyspozycji, ale ograniczonym doświadczeniem rynkowym, korzysta z platformy w celu porównania sprawdzonych strategii z prostym punktem odniesienia dotyczącym oszczędności przed zatwierdzeniem kapitału.
Wynik: świadoma decyzja o alokacjiUżytkownik posiadający istniejący portfel akcji przeprowadza go przez analizę korelacji platformy, aby określić, gdzie pozycje portfela się pokrywają i gdzie sprawdzona historycznie alternatywa może zmniejszyć ogólną ekspozycję.
Wynik: zmniejszone ryzyko koncentracjiUżytkownik samozatrudniony modeluje, w jaki sposób część nieregularnych dochodów może zostać alokowana pomiędzy strategie o różnych profilach płynności, opierając się na danych historycznych o wypłatach, a nie na założeniach.
Wynik: planowanie uwzględniające płynnośćWłaściciel firmy porównujący reinwestycję z alokacją zewnętrzną korzysta z narzędzi analizy porównawczej platformy, aby porównać przewidywane zwroty skorygowane o ryzyko z kosztem kapitału zaangażowanego w firmę.
Wynik: porównawcze ramy decyzyjneUżytkownicy analityczni zwykle pytają, w jaki sposób system ustala dane liczbowe, zanim mu zaufają. Odpowiedzi poniżej dotyczą najczęściej zadawanych pytań dotyczących metodologii, szkoleń i przetwarzania danych.
Każda strategia jest oceniana na podstawie ważonego zestawu kryteriów, w tym historycznego zwrotu, zmienności, głębokości wypłat i korelacji z popularnymi klasami aktywów. Waga jest stała i ujawniana, a nie dostosowywana w poszczególnych przypadkach, zatem we wszystkich rekomendacjach obowiązują te same kryteria.
Modele są szkolone na podstawie wieloletnich historycznych zbiorów danych cenowych i makroekonomicznych pochodzących od licencjonowanych dostawców danych finansowych. Dane szkoleniowe są odświeżane zgodnie z harmonogramem, dzięki czemu układ odniesienia modelu nie pozostaje statyczny w miarę ewolucji warunków rynkowych.
Strategie są weryfikowane na danych spoza próby, które zostały pominięte w oryginalnym zestawie treningowym. Strategia, która działa dobrze tylko na danych, na których została zbudowana, jest odrzucana, zanim osiągnie rekomendację skierowaną do użytkownika.
Dane konta użytkownika są szyfrowane podczas przesyłania i przechowywania. Platforma nie zapewnia spersonalizowanych porad finansowych zgodnie z przepisami Wielkiej Brytanii; przedstawia analizę opartą na danych, mającą na celu wsparcie, a nie zastąpienie własnego osądu użytkownika lub niezależnej profesjonalnej porady.
Tak. Każde zalecenie zawiera odniesienie do okna testu historycznego i danych wejściowych użytych do jego wygenerowania, co pozwala użytkownikowi przejrzeć podstawowe rozumowanie, zamiast akceptować liczby za dobrą monetę.
Uzyskaj dostęp do Velyra Platform, aby zobaczyć sprawdzoną skuteczność strategii, rankingi skorygowane o ryzyko i uzasadnienie każdej rekomendacji.
Uzyskaj dostęp do platformyDo przeglądu metodologii i analizy próbek nie jest wymagana karta kredytowa.