Velyra Platform, riske göre ayarlanmış öneriler üretmek için geçmiş piyasa davranışlarını ve canlı veri akışlarını analiz ederek, çalışan profesyonellere ek sermayenin nerede daha fazla çalışabileceğini değerlendirmeleri için disiplinli bir yol sunar.
Velyra Platform, büyük hacimli piyasa ve portföy verilerini az sayıda sıralanmış, açıklanabilir öneriye dönüştürür. Aşağıdaki her aşama, süreçten tahminleri kaldırmak için tasarlanmıştır.
Platform, birden fazla piyasadaki fiyatlandırma, makroekonomik ve volatilite verilerinden yararlanıyor ve sabit aralıklarla değil, işlem günü boyunca yenileniyor.
Bu, temel modellere koşulların güncel bir görünümünü verir, böylece öneriler eski anlık görüntüler yerine mevcut koşulları yansıtır.
İstatistiksel ve makine öğrenimi modelleri, tarihsel fiyat davranışlarındaki kalıpları tanımlar ve bu kalıpların farklı piyasa rejimlerinde nasıl ayakta kaldığını test eder.
Modeller sürekli olarak yeniden eğitilir; bu, yeni veriler eski varsayımların yerini aldıkça platformun uyum sağlamasına olanak tanır.
Her aday stratejisi yalnızca öngörülen getiriye göre değil aynı zamanda volatiliteye, düşüş geçmişine ve kullanıcının mevcut varlıklarıyla korelasyonuna göre puanlanır.
Bu sıralama, yüksek getirili, yüksek oynaklığa sahip aykırı değerlerin uygun bağlam olmadan öneri listesine hakim olmasını engeller.
Öneriler arkalarındaki gerekçelerle birlikte sunulur: veri girişleri, arka test penceresi ve uygulanan varsayımlar.
Kullanıcılar, bağlamı olmayan bir rakamı kabul etmek yerine, herhangi bir öneriyi destekleyici verilere kadar takip edebilirler.
Geriye dönük test ve tahmine dayalı modelleme yalnızca arkalarındaki süreç disiplinliyse faydalıdır. Aşağıdaki iş akışı, Velyra Platform'in her stratejiyi nasıl oluşturup doğruladığını özetlemektedir.
Piyasa verileri, lisanslı finansal veri sağlayıcılardan alınır ve model hattına girmeden önce ikincil bir kaynakla çapraz kontrolden geçirilir, böylece bir öneriye hatalı girdilerin beslenmesi riski azalır.
Aday stratejileri, belirli bir yaklaşımın yalnızca olumlu koşullar yerine stres altında nasıl davranacağını gözlemlemek için, daralma dönemleri de dahil olmak üzere birden fazla piyasa döngüsünü kapsayan geçmiş verilere karşı çalıştırılır.
Dağıtımdan önce her model, daha önce görmediği veriler üzerinde test edilir. Bu adım, bir stratejinin yalnızca geçmiş verilerle çok yakından eşleşecek şekilde ayarlanması nedeniyle güçlü göründüğü aşırı uyumu yakalamak için tasarlanmıştır.
Canlı performans, geriye dönük test edilmiş beklentilere göre izlenir. Anlamlı bir farklılığın ortaya çıktığı durumlarda model, kontrol edilmeden çalıştırılmak yerine inceleme ve yeniden kalibrasyon için işaretlenir.
Tüm girdiler adlandırılmış bir sağlayıcıya göre izlenebilir ve zaman damgalıdır, bu da herhangi bir önerinin kaynak verilerine göre denetlenmesine olanak tanır.
Pozisyon boyutlandırma ve çeşitlendirme limitleri, geriye dönük testin ne kadar olumlu görünebileceğine bakılmaksızın, herhangi bir varlık veya sektöre maruz kalmayı sınırlamak için her öneriye dahil edilmiştir.
Aşağıdaki senaryolar, ikincil bir gelir akışı oluşturan veya mevcut bir portföyü yeniden değerlendiren kullanıcılar için ortak başlangıç noktalarını yansıtmaktadır.
Kullanılabilir aylık geliri olan ancak sınırlı piyasa deneyimi olan bir kullanıcı, sermayeyi taahhüt etmeden önce geriye dönük test edilmiş stratejileri basit bir tasarruf karşılaştırmasıyla karşılaştırmak için platformu kullanır.
Sonuç: bilinçli tahsis kararıMevcut bir hisse senedi portföyüne sahip bir kullanıcı, varlıkların nerede çakıştığını ve geriye dönük olarak test edilmiş bir alternatifin genel riski nerede azaltabileceğini belirlemek için bunu platformun korelasyon analizinden geçirir.
Sonuç: konsantrasyon riskinin azalmasıSerbest meslek sahibi bir kullanıcı, düzensiz gelirin bir kısmının, varsayımdan ziyade tarihsel düşüş verileriyle bilgilendirilmiş, farklı likidite profillerine sahip stratejilere nasıl dağıtılabileceğini modeller.
Sonuç: likiditeye duyarlı planlamaYeniden yatırımı dış tahsisle karşılaştıran bir işletme sahibi, öngörülen riske göre ayarlanmış getirileri işletmeye bağlı sermaye maliyetine göre tartmak için platformun kıyaslama araçlarını kullanır.
Sonuç: karşılaştırmalı karar çerçevesiAnalitik kullanıcılar, bir sisteme güvenmeden önce, bir sistemin bir rakama nasıl ulaştığını sorma eğilimindedir. Aşağıdaki yanıtlar metodoloji, eğitim ve veri işlemeyle ilgili en sık sorulan sorulara yanıt vermektedir.
Her strateji, tarihsel getiri, oynaklık, düşüş derinliği ve ortak varlık sınıflarıyla korelasyon dahil olmak üzere ağırlıklı bir dizi kritere göre puanlanır. Ağırlıklandırma sabittir ve açıklanır, duruma göre ayarlanmaz, dolayısıyla aynı kriterler öneriler arasında tutarlı bir şekilde uygulanır.
Modeller, çok yıllı geçmiş fiyatlandırma ve lisanslı finansal veri sağlayıcılardan alınan makroekonomik veri kümeleri üzerine eğitilmiştir. Eğitim verileri, değişen bir programla yenilenir, böylece modelin referans çerçevesi, piyasa koşulları geliştikçe statik kalmaz.
Stratejiler, orijinal eğitim setinden saklanan örnek dışı veriler üzerinde doğrulanır. Yalnızca üzerine kurulduğu veriler üzerinde iyi performans gösteren bir strateji, kullanıcıya yönelik bir öneriye ulaşmadan atılır.
Kullanıcı hesabı verileri aktarım sırasında ve kullanımda değilken şifrelenir. Platform, Birleşik Krallık düzenlemeleri uyarınca kişiselleştirilmiş finansal tavsiye sağlamamaktadır; kullanıcının kendi yargısını veya bağımsız profesyonel tavsiyesini değiştirmeyi değil, desteklemeyi amaçlayan veriye dayalı analiz sunar.
Evet. Her öneri, arka test penceresine ve onu oluşturmak için kullanılan veri girişlerine bir referans içerir; bu, kullanıcının göründüğü gibi bir rakamı kabul etmek yerine altta yatan mantığı gözden geçirmesine olanak tanır.
Geriye dönük test edilmiş strateji performansını, riske göre ayarlanmış sıralamaları ve her önerinin arkasındaki mantığı görüntülemek için Velyra Platform'e erişin.
Platforma ErişinMetodolojiyi ve örnek analizini incelemek için kredi kartı gerekmez.