Automatizált portfólióintelligencia

A döntések tesztelt bizonyítékokra épülnek, nem a napi piaci zajra

Az Quantrix Ai elemzi a történelmi és valós idejű piaci adatokat, hogy diverzifikált portfóliókat hozzon létre, majd automatikusan karbantartja azokat. A hosszú távú terve már nem attól függ, hogy ma mennyi ideje van.

Mintaallokációs kimenet

Az új adatként újraszámított szemléltető allokációs súlyokat az újraegyensúlyozó logika dolgozza fel.

A probléma a kézi felügyelettel

Az időszegénység portfóliókockázat, nem csak kellemetlenség

A piacok folyamatosan generálnak információkat: eredményrevízió, kamatdöntés, devizamozgás, szektorrotáció. A legtöbb háztartásban nem reális az egész kézi feldolgozása, egy teljes munkanap után vagy kisgyermekekkel otthon.

A szokásos eredmény nem hirtelen veszteség. Sodródásról van szó – a portfóliók lassan már nem felelnek meg az eredetileg kialakított kockázati toleranciának és céloknak, egyszerűen azért, mert senkinek nem volt ideje áttekinteni őket.

Több piaci ciklus

Az allokációs logikánkat több különálló történelmi piaci ciklus alapján teszteljük, beleértve a megnövekedett volatilitás időszakait is, mielőtt bármilyen élő portfólióra alkalmaznánk.

Módszertan

Hogyan lép át a modell a nyers adatokból a kezelt pozícióba

Négy szakasz, mindegyik táplálja a következőt. Minden szakasz tartalmaz egy explicit ellenőrzést, mielőtt az ügyféltőkét érintené.

  1. 01 — Lenyelés

    Folyamatos adatgyűjtés

    Az árazás, a makrogazdasági mutatók és a volatilitási mutatók folyamatosan több piaci adatforrásból származnak.

  2. 02 – Értékelés

    Jel- és mintaelemzés

    A statisztikai modellek a megfigyelt minták valószínűségét és tartósságát pontozzák, elvetve a zajt, amely nem tartja magát az időkeretekben.

  3. 03 — Kockázatszűrő

    Kockázatcsökkentési keretrendszer

    A javasolt pozíciók a jóváhagyás előtt átmennek a lehívási kitettség rögzített limitjein, a részesedések közötti korreláción és az egypozíciós méretezésen.

  4. 04 — Kalibrálás

    Előadástörténeti kontextus

    Minden kiigazítást az üzembe helyezés előtt visszatesztelt forgatókönyvekhez viszonyítanak, majd utána az élő eredményekhez viszonyítanak.

Alapvető képességek

Ahol a technikai munka helyettesíti a kézi kutatást

Valós idejű feldolgozás

A piaci adatok feldolgozása és pontozása folyamatosan történik, nem pedig rögzített napi vagy heti ütemezés szerint. Amikor a volatilitás meredeken növekszik, vagy az eszközök közötti korrelációk eltolódnak, a modell ezt tükrözi az elemzés során, még azelőtt, hogy egy negyedéves manuális felülvizsgálat megfogta volna.

Prediktív kockázatértékelés

Az előretekintő kockázati pontszámokat minden egyes holding esetében a volatilitási előzmények és a makroérzékenység alapján állítják elő, megjelölve azokat a pozíciókat, amelyek esetleg a tervezett kockázati sávon kívülre sodródnak.

Automatizált kiegyensúlyozás

Amikor az allokációk túllépnek a meghatározott toleranciasávokon, ügyleteket generálnak annak érdekében, hogy a portfóliót visszaállítsák a célsúlyokhoz anélkül, hogy napi kijelentkezésre lenne szükség.

Az Quantrix Ai kutatócsoport a modell viselkedését és az adatelemzés kimenetét vizsgálja

Az Quantrix Ai-ről

Bizonyítékokon alapuló döntésekre készült, nem piaci kommentárokra

Az Quantrix Ai arra a feltevésre épült, hogy a legtöbb befektetési döntés javul, ha elválasztjuk a napi érzelmektől és a korlátozott időtől. Modelleinket rendszeresen felülvizsgáljuk az új piaci adatok alapján, és minden módszertani változást dokumentálunk, mielőtt az élő portfólióba kerülne.

Nem teszünk közzé célárakat vagy rövid távú felhívásokat. A platform kimenete egy felügyelt kiosztás, amelyet egy dokumentált folyamat támogat, amelyet bármikor áttekinthet.

Átláthatóság

Mit jelent a visszatesztelés a gyakorlatban, és mit nem garantál

Visszatesztelés módszertana

Mindegyik stratégiát a történelmi ár- és makrogazdasági adatok alapján futtatják, amelyek több különböző piaci rezsimre vonatkoznak, beleértve a bővülési és zsugorodási időszakokat is. Az eredményeket egy passzív referenciaértékkel hasonlítják össze, hogy elkülönítsék az aktív kiegyensúlyozás hozzájárulását.

Értékelési paraméterek

A modelleket a kockázattal kiigazított hozam, a maximális lehívás és az alperiódusok közötti konzisztencia alapján ítélik meg, nem pedig egyetlen fő hozamadat alapján. A csak egy mérőszámon jól teljesítő stratégiát nem hagyják jóvá élő bevezetésre. Ezekben a tesztekben a múltbeli teljesítmény nem garantálja a jövőbeli eredményeket.

  • Az adatok átvitel közben és nyugalmi állapotban titkosítva
  • Kéttényezős fiókhitelesítés
  • Kanadai adatrezidencia az ügyfélrekordokhoz
  • A modellváltozások független felülvizsgálata a kiadás előtt

Használati esetek

Két befektető, két különböző prioritás

A távoli cél felé építő szülőknek

A háztartások oktatási vagy nyugdíjcélú megtakarítása általában hosszú időtávra és korlátozott órára vonatkozik a piacok megfigyelésére. Itt a modell a szélesebb körű diverzifikációt részesíti előnyben, és lehetővé teszi az újraegyensúlyozási logikának, hogy elnyelje a rövid távú volatilitást, így a hozzájárulások folyamatosan gyarapodnak anélkül, hogy bármelyik szülőtől gyakori figyelmet igényelnének.

A stabilitást előtérbe helyező szakembereknek

A portfóliójukhoz közelebb álló, vagy a nagy kilengéseket kevésbé toleráló befektető szigorúbb kockázati sávokat határozhat meg. A prediktív kockázatértékelési réteg ezután korábban kiváltja a kiegyensúlyozást, és a várható eredmények szűkebb tartományában kereskedik felfelé irányuló potenciállal.

Következő lépés

Kérjen hozzáférést portfóliója utólag tesztelt allokációjának áttekintéséhez

Az Access magában foglalja a javasolt allokáció mögötti módszertan áttekintését, mielőtt bármilyen forrást lekötnénk. Az áttekintés után nem köteles folytatni.

Kérjen hozzáférést