Sovrena voert voorspellende modellen uit op basis van twee decennia aan marktgegevens om backtested-strategieën naar voren te brengen voor zijwaartse beleggers die rendement willen zonder actieve handel.
Sovrena verwerkt gestructureerde en ongestructureerde marktgegevens via één pijplijn, waardoor de vertraging tussen signaaldetectie en beslissing wordt verminderd.
Marktgegevens worden continu verwerkt en binnen enkele seconden gescoord op basis van historische patroonbibliotheken, en niet op basis van batches aan het einde van de dag. Latency wordt gemeten, niet verondersteld.
Elke aanbeveling is terug te voeren op een strategie die is gevalideerd op basis van historische rendementen over meerdere marktcycli, en niet op basis van één enkele gunstige periode.
De drempels voor het bepalen van de omvang van posities en het terugtrekken van posities worden algoritmisch bepaald, om het concentratierisico te beperken voordat er kapitaal wordt vastgelegd.
Geen enkele strategie bereikt een gebruiker zonder drie opeenvolgende controlepunten te passeren. Het proces is gedocumenteerd, herhaalbaar en kan op verzoek worden herzien.
Kandidaatstrategieën worden vergeleken met marktgegevens van minimaal tien jaar, inclusief recessies en herstelperioden, om aan het licht te brengen hoe zij zich onder stress gedragen.
Een deel van de gegevens wordt volledig buiten de training gehouden. Modellen worden ertegen getest om te bevestigen dat de prestaties niet het gevolg zijn van overfitting.
Vóór activering wordt een strategie parallel uitgevoerd op basis van live gegevens zonder transacties uit te voeren, waarbij voorspelde en werkelijke resultaten gedurende een vaste periode worden vergeleken.
Elke gepubliceerde strategie gaat vergezeld van een grafiek waarin de voorspelde rendementsmarges worden uitgezet tegen de gerealiseerde resultaten over een voortschrijdende periode van twaalf maanden. Afwijkingen buiten de aangegeven tolerantie leiden tot een herkalibratiebeoordeling, en de strategie wordt als inactief gemarkeerd totdat deze is opgelost.
Dezelfde onderliggende motor levert verschillende resultaten, afhankelijk van of de gebruiker persoonlijk kapitaal toewijst of operationele risico's op schaal evalueert.
Individuele beleggers gebruiken Sovrena om kapitaal toe te wijzen aan backtested portefeuilles zonder de markten dagelijks te monitoren. Aanbevelingen voor herbalancering worden volgens een vast schema gegenereerd, waardoor de noodzaak voor constant toezicht wordt verminderd, terwijl de risicoparameters binnen een gekozen tolerantiebereik worden gehouden.
Bedrijven integreren Sovrena om financiële beslissingen te stresstesten voordat kapitaal wordt vastgelegd, van voorraadblootstelling tot tegenpartijrisico. Aanbevelingen verschijnen als gestructureerde rapporten, gebouwd om interne evaluatie te ondersteunen in plaats van deze te vervangen.
Sovrena is gebouwd op het uitgangspunt dat discretionaire handelsbeslissingen vermijdbare variantie introduceren. Het verwijderen van emotionele vooroordelen bij allocatie elimineert het risico niet, maar maakt het risico wel meetbaar.
Van elk model in productie wordt een versienummer, datum en buitengebruikstelling gemaakt volgens een bepaald schema. Gebruikers kunnen op elk moment de aannames achter elke live strategie bekijken, in plaats van te vertrouwen op een zwarte doos.
Deze hebben betrekking op de zorgen die het vaakst door analytisch ingestelde gebruikers worden geuit voordat ze kapitaal investeren of een workflow integreren.
Gegevens worden gehaald uit gelicentieerde financiële marktfeeds en openbare registratiedossiers. Bij modeltraining worden geen bedrijfseigen of niet-openbaar gemaakte gegevensbronnen gebruikt.
Ja, elk model dat op historische gegevens is getraind, draagt de vooringenomenheid van die geschiedenis in zich. We verzachten dit door out-of-sample testen en periodieke herkalibratie in plaats van te beweren dat er sprake is van bias-vrije voorspelling.
Account- en portfoliogegevens worden opgeslagen op infrastructuur binnen de EU, in overeenstemming met de AVG-vereisten voor gegevenslocatie en toegangscontrole.
Nee. Backtested prestaties beschrijven historisch gedrag onder historische omstandigheden. Resultaten uit het verleden informeren het modelvertrouwen; ze voorspellen toekomstige resultaten niet met zekerheid.
Strategieën die hun gedefinieerde risicotolerantie schenden, worden automatisch gemarkeerd en geschorst voor nieuwe toewijzingen in afwachting van handmatige beoordeling.
Nee. Gegevens worden uitsluitend gebruikt om aanbevelingen te doen aan de accounthouder en worden niet verkocht of gedeeld voor marketingdoeleinden.
Technische basis: modeltraining en gevolgtrekking uitgevoerd op gecontaineriseerde infrastructuur met gecodeerde gegevens in rust en onderweg, gehost binnen de Europese Unie.
Toegang tot live strategieën wordt op verzoek verleend. Historische prestatiegegevens zijn beschikbaar voor inspectie voorafgaand aan enige kapitaaltoezegging.
Toegang tot motor