Sovrena uruchamia modele predykcyjne w oparciu o dane rynkowe z dwóch dekad, aby wydobyć sprawdzone strategie dla inwestorów pobocznych, którzy chcą zysków bez aktywnego handlu.
Sovrena przetwarza ustrukturyzowane i nieustrukturyzowane dane rynkowe za pośrednictwem jednego potoku, redukując opóźnienie między wykryciem sygnału a podjęciem decyzji.
Dane rynkowe są pobierane w sposób ciągły i oceniane w oparciu o biblioteki wzorców historycznych w ciągu kilku sekund, a nie partii na koniec dnia. Opóźnienie jest mierzone, a nie zakładane.
Każde zalecenie wywodzi się ze strategii potwierdzonej historycznymi zwrotami z wielu cykli rynkowych, a nie z jednego korzystnego okresu.
Wielkość pozycji i progi wypłat są ustalane algorytmicznie w celu ograniczenia ryzyka koncentracji przed zatwierdzeniem kapitału.
Żadna strategia nie dociera do użytkownika bez przejścia trzech kolejnych punktów kontrolnych. Proces jest udokumentowany, powtarzalny i udostępniany do przeglądu na żądanie.
Strategie kandydatów opierają się na danych rynkowych z co najmniej dziesięciu lat, obejmujących okresy recesji i ożywienia gospodarczego, aby wykazać, jak zachowują się w warunkach skrajnych.
Segment danych jest całkowicie wyłączony z trenowania. Modele są pod tym kątem testowane, aby potwierdzić, że wydajność nie jest wynikiem nadmiernego dopasowania.
Przed aktywacją strategia działa równolegle z aktualnymi danymi, bez wykonywania transakcji, porównując przewidywane i rzeczywiste wyniki przez ustalony okres.
Do każdej opublikowanej strategii dołączony jest wykres przedstawiający przewidywane pasma zwrotu w porównaniu ze zrealizowanymi wynikami w kolejnych 12-miesięcznych oknach. Rozbieżność wykraczająca poza podaną tolerancję powoduje ponowną kalibrację, a strategia jest oznaczana jako nieaktywna do czasu rozwiązania.
Ten sam podstawowy silnik zapewnia różne wyniki w zależności od tego, czy użytkownik alokuje kapitał osobisty, czy ocenia ryzyko operacyjne na dużą skalę.
Inwestorzy indywidualni używają Sovrena do alokacji kapitału w portfelach poddanych weryfikacji historycznej bez codziennego monitorowania rynków. Rekomendacje rebalancingowe generowane są według stałego harmonogramu, co ogranicza potrzebę stałego nadzoru przy jednoczesnym utrzymaniu parametrów ryzyka w wybranym przedziale tolerancji.
Firmy integrują Sovrena w celu przeprowadzenia testów warunków skrajnych decyzji finansowych przed zaangażowaniem kapitału, począwszy od ekspozycji na zapasy po ryzyko kontrahenta. Zalecenia pojawiają się w postaci ustrukturyzowanych raportów, stworzonych w celu wspierania wewnętrznego przeglądu, a nie jego zastępowania.
Sovrena został zbudowany w oparciu o założenie, że uznaniowe decyzje handlowe wprowadzają wariancję, której można uniknąć. Usunięcie emocjonalnego nastawienia z alokacji nie eliminuje ryzyka, ale sprawia, że ryzyko staje się mierzalne.
Każdy model w produkcji jest poddawany kontroli wersji, datowaniu i wycofywaniu zgodnie z określonym harmonogramem. Użytkownicy mogą w dowolnym momencie przejrzeć założenia dowolnej strategii na żywo, zamiast polegać na czarnej skrzynce.
Obejmują one najczęściej zgłaszane przez analitycznie nastawionych użytkowników, zanim zainwestują kapitał lub zintegrują przepływ pracy.
Dane pochodzą z licencjonowanych kanałów rynków finansowych i publicznych dokumentów regulacyjnych. W szkoleniu modeli nie wykorzystuje się żadnych zastrzeżonych ani nieujawnionych źródeł danych.
Tak, każdy model wyszkolony na danych historycznych niesie ze sobą stronniczość tej historii. Łagodzimy to poprzez testowanie poza próbą i okresową ponowną kalibrację, zamiast twierdzić, że przewidywania są wolne od błędów.
Dane dotyczące kont i portfela przechowywane są w infrastrukturze zlokalizowanej na terenie UE, zgodnie z wymogami RODO dotyczącymi przechowywania danych i kontroli dostępu.
Nie. Wydajność sprawdzona historycznie opisuje zachowanie historyczne w warunkach historycznych. Wyniki z przeszłości wpływają na pewność modelu; nie przewidują z całą pewnością przyszłych wyników.
Strategie naruszające określoną tolerancję ryzyka są automatycznie oznaczane i zawieszane w nowych alokacjach do czasu ręcznego przeglądu.
Nie. Dane służą wyłącznie do generowania rekomendacji dla posiadacza konta i nie są sprzedawane ani udostępniane w celach marketingowych.
Podstawy techniczne: trenowanie modeli i wnioskowanie prowadzone w infrastrukturze skonteneryzowanej z zaszyfrowanymi danymi przechowywanymi i przesyłanymi, hostowanymi w Unii Europejskiej.
Dostęp do strategii na żywo udzielany jest na życzenie. Historyczne dane dotyczące wyników są dostępne do wglądu przed zaangażowaniem kapitału.
Silnik dostępu