Celarvaux izmanto mašīnmācīšanās modeļus lieliem tirgus datu apjomiem, lai sagatavotu atpakaļpārbaudītus ieteikumus, kurus var skatīt no jebkuras darba vietas.
Ieteikumi ir balstīti uz vēsturiskiem cikliem, kas tiek nepārtraukti analizēti — netiek doti nekādi darbības solījumi, izņemot dokumentētus atpakaļpārbaudes rezultātus.
Celarvaux dzinējs pirms ieteikumu ģenerēšanas veic vēsturisko sēriju daudzdimensiju analīzi – nepastāvību, savstarpējās korelācijas, sezonālos ciklus. Katrs scenārijs tiek atskaņots iepriekšējos periodos, lai novērtētu tā stabilitāti pirms pārraides.
Neapstrādātas datu plūsmas tiek normalizētas un noņemtas no anomālijām pirms jebkādas statistiskās apstrādes.
Algoritmi identificē strukturālās likumsakarības un tendenču pārtraukumus vairākos horizontos.
Katrs ieteikums pirms nosūtīšanas lietotājam tiek novērtēts atbilstoši aprēķinātajam riska rādītājam.
Tālāk norādītās trīs funkcijas veido platformas darbības bāzi un ir paredzētas tālvadībai bez nepārtrauktas uzraudzības.
Attiecīgās pozīcijas un tirgus rādītāji tiek nepārtraukti pārrēķināti. Būtiskas novirzes no atpakaļpārbaudītajiem scenārijiem aktivizē paziņojumu, neprasot fizisku klātbūtni fiksētā darbstacijā.
Katrai identificētajai iespējai tiek piešķirts salikts vērtējums, kas ietver vēsturisko nepastāvību, likviditāti un savstarpējo iedarbību. Rezultāts tiek pārrēķināts katru reizi, kad tiek atjaunināti avota dati, bez manuālas iejaukšanās.
Modeļa rezultāti ir formulēti kā šķīrējtiesas ceļi, kas klasificēti pēc atbilstības, lietotājs ir atbildīgs par galīgā lēmuma apstiprināšanu saskaņā ar savu riska sistēmu.
Šie scenāriji parāda, kā operators, kas strādā attālināti, var paļauties uz modeļa izvadi, lai strukturētu savus lēmumus.
Vērtēšanas atšķirību noteikšana starp korelētajiem instrumentiem, novērtējot vēsturisko konverģences laiku, kas novērots līdzīgās konfigurācijās.
Iespējamo trajektoriju projekcija no salīdzināmiem pagātnes cikliem ar skaidru ticamības intervālu, nevis vienu vērtību.
Svēruma ieteikumi, kas paredzēti, lai samazinātu kopējo portfeļa korelāciju, ko pārrēķina pie katrām būtiskām tirgus datu izmaiņām.
Turpmākajās atbildēs ir norādīta datu izcelsme un modeļa precizitātes robežas bez komerciāla formulējuma.
Dati nāk no publiskā tirgus plūsmām un piegādātājiem, kas specializējas cenu vēsturē. Personas portfeļa dati netiek izmantoti vispārīgo modeļu apmācībai.
Precizitāte mainās atkarībā no aktīvu klases un aplūkotā horizonta. Atpakaļpārbaudes rezultāti tiek dokumentēti katram scenārijam, un tie negarantē turpmāko darbību.
Modeļi tiek atkārtoti novērtēti regulāri, tiklīdz kļūst pieejami jauni tirgus dati, lai ierobežotu veiktspējas novirzi laika gaitā.
Piekļuve tiek nodrošināta, izmantojot tīmekļa saskarni, ar kuru var piekļūt attālināti. Vietējā instalēšana nav nepieciešama, ļaujot izmantot neatkarīgi no darbstacijas.
Pirms nākamā stratēģiskā lēmuma pieņemšanas skatiet iepriekš pārbaudītos scenārijus un pašreizējos riska rādītājus.