Zautomatyzowana analiza portfela

Decyzje opierają się na sprawdzonych dowodach, a nie na codziennym szumie rynkowym

Quantrix Ai analizuje dane rynkowe w czasie rzeczywistym i historyczne w celu tworzenia zdywersyfikowanych portfeli, a następnie utrzymuje je automatycznie. Twój plan długoterminowy nie zależy już od tego, ile czasu masz dzisiaj.

Przykładowe dane wyjściowe alokacji

Przykładowe wagi alokacji, przeliczane w miarę przetwarzania nowych danych przez logikę równoważenia.

Problem z ręcznym nadzorem

Ubóstwo czasowe jest ryzykiem portfelowym, a nie tylko niedogodnością

Rynki generują informacje w sposób ciągły: rewizje zysków, decyzje dotyczące stóp procentowych, zmiany kursów walut, rotacje sektorów. Przetwarzanie tego wszystkiego ręcznie, po całym dniu pracy lub z małymi dziećmi w domu, jest nierealne w większości gospodarstw domowych.

Typowym skutkiem nie jest nagła strata. To dryf — portfele, które powoli przestają odpowiadać tolerancji ryzyka i celom, dla których zostały pierwotnie stworzone, po prostu dlatego, że nikt nie miał czasu ich przeglądać.

Wiele cykli rynkowych

Nasza logika alokacji jest testowana w oparciu o kilka odrębnych historycznych cykli rynkowych, w tym okresy podwyższonej zmienności, zanim zostanie zastosowana do dowolnego aktualnego portfela.

Metodologia

Jak model przechodzi od surowych danych do pozycji zarządzanej

Cztery etapy, każdy zasila następny. Każdy etap obejmuje wyraźną kontrolę przed wpływem na kapitał klienta.

  1. 01 — Połknięcie

    Ciągłe gromadzenie danych

    Ceny, wskaźniki makroekonomiczne i miary zmienności są na bieżąco pobierane z wielu źródeł danych rynkowych.

  2. 02 — Ocena

    Analiza sygnałów i wzorców

    Modele statystyczne oceniają prawdopodobieństwo i trwałość zaobserwowanych wzorców, odrzucając szum, który nie sprawdza się w różnych ramach czasowych.

  3. 03 — Filtr ryzyka

    Ramy ograniczania ryzyka

    Przed zatwierdzeniem proponowane pozycje przechodzą przez ustalone limity dotyczące ekspozycji na ryzyko wypłaty, korelacji pomiędzy pozycjami i wielkości pojedynczej pozycji.

  4. 04 — Kalibracja

    Historyczny kontekst wydajności

    Przed wdrożeniem każda korekta jest porównywana z zweryfikowanymi scenariuszami, a następnie monitorowana pod kątem rzeczywistych wyników.

Podstawowe możliwości

Gdzie praca techniczna zastępuje badania ręczne

Przetwarzanie w czasie rzeczywistym

Dane rynkowe są pozyskiwane i oceniane w sposób ciągły, a nie według stałego harmonogramu dziennego lub tygodniowego. Kiedy zmienność gwałtownie rośnie lub zmieniają się korelacje między aktywami, model uwzględnia to w swojej analizie tej samej sesji, na długo przed wykryciem tego przez ręczny przegląd kwartalny.

Predykcyjna ocena ryzyka

Dla każdego gospodarstwa generowana jest prognozowana ocena ryzyka na podstawie historii zmienności i wrażliwości makroekonomicznej, wskazując pozycje, które mogą wychylać się poza zamierzony zakres ryzyka.

Automatyczne przywracanie równowagi

Kiedy alokacje wykraczają poza ustalone przedziały tolerancji, generowane są transakcje w celu przywrócenia portfela do jego docelowych wag, bez konieczności codziennego podpisywania.

Zespół badawczy Quantrix Ai przeglądający zachowanie modelu i wyniki analizy danych

O Quantrix Ai

Stworzone z myślą o decyzjach opartych na dowodach, a nie komentarzach rynkowych

Quantrix Ai został zbudowany w oparciu o założenie, że większość decyzji inwestycyjnych ulega poprawie, gdy są oddzielone od codziennych emocji i ograniczonego czasu. Nasze modele są regularnie przeglądane pod kątem nowych danych rynkowych, a każda zmiana metodologii jest dokumentowana, zanim trafi do rzeczywistego portfela.

Nie publikujemy cen docelowych ani rozmów krótkoterminowych. Wynikiem platformy jest zarządzana alokacja, poparta udokumentowanym procesem, z którym możesz się zapoznać w dowolnym momencie.

Przejrzystość

Co oznacza backtesting w praktyce, a czego nie gwarantuje

Metodologia weryfikacji historycznej

Każda strategia opiera się na historycznych danych cenowych i makroekonomicznych obejmujących kilka odrębnych reżimów rynkowych, w tym zarówno okresy wzrostu, jak i spadku. Wyniki porównuje się z pasywnym punktem odniesienia, aby wyizolować wkład aktywnego przywracania równowagi.

Parametry oceny

Modele ocenia się na podstawie zwrotu skorygowanego o ryzyko, maksymalnej wypłaty i spójności w podokresach, a nie na podstawie pojedynczej głównej wartości zwrotu. Strategia, która działa dobrze tylko w przypadku jednej metryki, nie jest zatwierdzana do wdrożenia na żywo. Dotychczasowe wyniki tych testów nie gwarantują przyszłych wyników.

  • Dane szyfrowane podczas przesyłania i przechowywania
  • Uwierzytelnianie konta dwuskładnikowego
  • Kanadyjska rezydencja danych dla rekordów klientów
  • Niezależny przegląd zmian w modelu przed wydaniem

Przypadki użycia

Dwóch inwestorów, dwa różne priorytety

Dla rodziców zmierzających do odległego celu

Oszczędzanie gospodarstwa domowego na edukację lub emeryturę ma zazwyczaj długi horyzont czasowy i ograniczone godziny monitorowania rynków. W tym przypadku model faworyzuje szerszą dywersyfikację i pozwala logice przywracania równowagi na absorpcję krótkoterminowej zmienności, dzięki czemu składki stale się kumulują bez konieczności częstej uwagi któregokolwiek ze rodziców.

Dla profesjonalistów stawiających na stabilność

Inwestor bliższy czerpania ze swojego portfela lub po prostu mniej tolerancyjny wobec dużych wahań, może ustalić węższe pasma ryzyka. Warstwa predykcyjnej oceny ryzyka powoduje wcześniejsze przywrócenie równowagi, zamieniając pewien potencjał wzrostu na węższy zakres oczekiwanych wyników.

Następny krok

Poproś o dostęp, aby sprawdzić sprawdzoną alokację swojego portfela

Dostęp obejmuje przegląd metodologii proponowanej alokacji przed zatwierdzeniem jakichkolwiek środków. Po zapoznaniu się z treścią nie ma obowiązku kontynuowania.

Poproś o dostęp