Az Celarvaux gépi tanulási modelleket alkalmaz nagy mennyiségű piaci adatra, hogy visszaellenőrzött ajánlásokat állítson elő, amelyek bármely munkahelyről megtekinthetők.
Az ajánlások folyamatosan elemzett történeti ciklusokon alapulnak – a dokumentált utótesztelési eredményeken túl nem tesznek teljesítményre vonatkozó ígéreteket.
Az Celarvaux motor többdimenziós elemzést végez a történelmi sorozatokról – volatilitás, keresztkorrelációk, szezonális ciklusok – mielőtt bármilyen ajánlást generálna. Az egyes forgatókönyveket a rendszer újrajátssza a korábbi időszakokkal, hogy mérje robusztusságát a sugárzás előtt.
A nyers adatfolyamokat a statisztikai feldolgozás előtt normalizálják és eltávolítják az anomáliákból.
Az algoritmusok több horizonton azonosítják a strukturális törvényszerűségeket és trendtöréseket.
Minden ajánlás súlyozásra kerül a kiszámított kockázati pontszám szerint, mielőtt elküldené a felhasználónak.
Az alábbi három funkció alkotja a platform működési alapját, és folyamatos felügyelet nélküli távirányításra tervezték.
A releváns pozíciókat és piaci mutatókat folyamatosan újraszámolják. A visszatesztelt forgatókönyvektől való jelentős eltérések értesítést váltanak ki anélkül, hogy fizikai jelenlétre lenne szükség egy rögzített munkaállomáson.
Minden azonosított lehetőség összetett pontszámot kap, amely tartalmazza a múltbeli volatilitást, likviditást és keresztkockázatot. A pontszám minden alkalommal újraszámításra kerül, amikor a forrásadatokat manuális beavatkozás nélkül frissítik.
A modell kimenetei relevancia szerint osztályozott választottbírósági utakként vannak megfogalmazva, a felhasználó felelős a végső döntés érvényesítéséért a saját kockázati kerete szerint.
Ezek a forgatókönyvek azt szemléltetik, hogy a távolról dolgozó kezelő hogyan támaszkodhat a modell kimenetére döntései strukturálásakor.
A korrelált instrumentumok közötti értékelési különbségek kimutatása, a hasonló konfigurációkon megfigyelt történelmi konvergenciaidő becslésével.
Valószínű pályák kivetítése összehasonlítható elmúlt ciklusokból, explicit konfidenciaintervallummal, nem pedig egyetlen értékkel.
Súlyozási ajánlások a portfólió általános korrelációjának csökkentésére, a piaci adatok minden jelentős változása esetén újraszámításra.
A következő válaszok az adatok eredetét és a modell pontossági határait részletezik, kereskedelmi megfogalmazás nélkül.
Az adatok nyilvános piaci hírcsatornáktól és ártörténetre szakosodott beszállítóktól származnak. Az általános modellek képzéséhez nem használunk személyes portfólióadatokat.
A pontosság az eszközosztálytól és a figyelembe vett horizonttól függően változik. Az utólagos tesztelés eredményeit forgatókönyvenként dokumentálják, és nem jelentenek garanciát a jövőbeni teljesítményre.
A modelleket rendszeres időközönként újraértékelik, amint új piaci adatok állnak rendelkezésre, hogy korlátozzák a teljesítmény időbeli eltolódását.
A hozzáférés egy webes felületen keresztül történik, amely távolról is elérhető. Nincs szükség helyi telepítésre, lehetővé téve a munkaállomástól független használatát.
Tekintse meg a visszaellenőrzött forgatókönyveket és az aktuális kockázati pontszámokat, mielőtt meghozná a következő stratégiai döntését.