Intelligence de portefeuille automatisée
Quantrix Ai analyse les données de marché historiques et en temps réel pour construire des portefeuilles diversifiés, puis les maintient automatiquement. Votre projet à long terme ne dépend plus du temps dont vous disposez aujourd’hui.
Exemple de sortie d'allocation
Pondérations d'allocation illustratives, recalculées à mesure que de nouvelles données sont traitées par la logique de rééquilibrage.
Le problème de la surveillance manuelle
Les marchés génèrent des informations en permanence : révisions des bénéfices, décisions en matière de taux d'intérêt, mouvements des devises, rotation sectorielle. Traiter tout cela à la main, après une journée de travail bien remplie ou avec de jeunes enfants à la maison, n'est pas réaliste pour la plupart des ménages.
Le résultat habituel n’est pas une perte soudaine. Il s’agit d’une dérive : des portefeuilles qui cessent lentement de correspondre à la tolérance au risque et aux objectifs pour lesquels ils ont été initialement conçus, simplement parce que personne n’a eu le temps de les examiner.
Plusieurs cycles de marché
Notre logique d'allocation est testée par rapport à plusieurs cycles de marché historiques distincts, y compris des périodes de volatilité élevée, avant d'être appliquée à un portefeuille réel.
Méthodologie
Quatre étapes, chacune alimentant la suivante. Chaque étape comprend une vérification explicite avant que le capital du client ne soit affecté.
Les prix, les indicateurs macroéconomiques et les mesures de volatilité sont extraits en permanence de plusieurs sources de données de marché.
Les modèles statistiques évaluent la probabilité et la durabilité des modèles observés, en éliminant le bruit qui ne résiste pas au fil du temps.
Les positions proposées passent par des limites fixes en matière d'exposition aux pertes, de corrélation entre les avoirs et de dimensionnement d'une position unique avant d'être approuvées.
Chaque ajustement est comparé à des scénarios back-testés avant le déploiement, puis surveillé par la suite par rapport aux résultats en direct.
Capacités de base
Les données de marché sont ingérées et notées en continu plutôt que selon un calendrier quotidien ou hebdomadaire fixe. Lorsque la volatilité augmente fortement ou que les corrélations entre les actifs changent, le modèle le reflète dans son analyse au cours de la même session, bien avant qu'un examen trimestriel manuel ne l'ait détecté.
Des scores de risque prospectifs sont générés pour chaque titre en utilisant l'historique de volatilité et la sensibilité macro, signalant les positions qui peuvent dériver en dehors de leur fourchette de risque prévue.
Lorsque les allocations dépassent les bandes de tolérance définies, des transactions sont générées pour ramener le portefeuille en ligne avec ses pondérations cibles, sans nécessiter d'approbation quotidienne.
À propos de Quantrix Ai
Quantrix Ai a été construit sur le principe selon lequel la plupart des décisions d'investissement s'améliorent lorsqu'elles sont séparées des émotions quotidiennes et du temps limité. Nos modèles sont examinés régulièrement par rapport aux nouvelles données du marché, et chaque changement de méthodologie est documenté avant d'atteindre un portefeuille réel.
Nous ne publions pas d'objectifs de cours ni d'appels à court terme. Le résultat de la plateforme est une allocation gérée, soutenue par un processus documenté que vous pouvez consulter à tout moment.
Transparence
Chaque stratégie est exécutée sur la base de données historiques sur les prix et macroéconomiques couvrant plusieurs régimes de marché distincts, y compris des périodes d'expansion et de contraction. Les résultats sont comparés à un benchmark passif pour isoler la contribution du rééquilibrage actif.
Les modèles sont jugés sur la base du rendement ajusté au risque, du prélèvement maximum et de la cohérence entre les sous-périodes, et non sur un seul chiffre de rendement global. Une stratégie qui fonctionne bien sur une seule métrique n’est pas approuvée pour un déploiement en direct. Les performances passées lors de ces tests ne garantissent pas les résultats futurs.
Cas d'utilisation
Un ménage qui épargne pour ses études ou sa retraite a généralement un horizon temporel long et des heures limitées pour surveiller les marchés. Ici, le modèle favorise une diversification plus large et permet à la logique de rééquilibrage d’absorber la volatilité à court terme, de sorte que les cotisations continuent de s’accumuler sans nécessiter une attention fréquente de l’une ou l’autre des sociétés mères.
Un investisseur plus proche de son portefeuille, ou tout simplement moins tolérant aux fluctuations importantes, peut fixer des fourchettes de risque plus serrées. La couche d’évaluation prédictive des risques déclenche alors un rééquilibrage plus tôt, échangeant un certain potentiel de hausse contre une gamme plus étroite de résultats attendus.
Étape suivante
L'accès comprend une présentation pas à pas de la méthodologie derrière l'allocation proposée avant que les fonds ne soient engagés. Il n’y a aucune obligation de continuer une fois que vous l’avez examiné.
Demander l'accèsVous avez d'abord des questions ? Consultez notre méthodologie
