Veri Zekası Platformu
Fair Suretendance, Kanada piyasasındaki oynaklığa göre ayarlanmış gerçek zamanlı tahmin modellerini çalıştırarak yatırım ekiplerine sermaye hareketlerinden önce istatistiksel olarak temellendirilmiş bir risk görünümü sağlar.
Motor Nasıl Çalışır?
Fair Suretendance umut verici sonuçlar vermek yerine çalışmasını gösteriyor. Platform, ham piyasa verilerini bir analistin savunabileceği bir öneriye dönüştüren üç çalışma prensibi üzerine inşa edilmiştir.
Modeller, değişen volatilitenin erken göstergelerini işaretleyecek şekilde eğitilmiştir; dolayısıyla portföy ayarlamaları, bir düşüşe tepki olarak değil, öncesinde gerçekleşebilir.
Sistem, her yeni sinyal için manuel olarak yeniden analiz gerektirmeden, pazarlar ve varlık sınıfları genelinde milyonlarca veri noktasını sürekli olarak alır ve işler.
Çıktılar, genel perakende varsayımları yerine yetki kısıtlamaları, likidite ihtiyaçları ve sektör riski dikkate alınarak B2B'ye özgü mantık yoluyla filtrelenir.
Metodoloji
Üretime ulaşan her model zaten tarihsel dalgalanmalara karşı test edildi. Aşağıdaki süreç, verilerin ham feed'den doğrulanmış öneriye nasıl taşındığını açıklamaktadır.
Yapılandırılmış ve alternatif veri akışları normalleştirilmiş ve zaman damgalıdır, böylece farklı kaynaklardan gelen sinyaller eşit düzeyde karşılaştırılabilir.
Aday modeller, nasıl performans göstereceklerini ölçmek için bilinen yüksek volatilite dönemleri de dahil olmak üzere çok yıllık tarihsel senaryolara karşı çalıştırılır.
Yalnızca tanımlanmış doğruluk ve düşüş eşiklerini aşan modeller ileriye doğru hareket eder ve her biri, yeni veriler geldikçe sürekli olarak yeniden test edilir.
Model raporlamasını göstermek için kullanılan temsili grafik şekli; performans garantisi değildir.
Uygulamalı Senaryolar
Temelde yatan aynı motor, müşterilerimiz arasında yaygın olan iki farklı karar türünü desteklemektedir: mevcut bir portföyün ayarlanması ve yeni bir tahsisin değerlendirilmesi.
Portföy Optimizasyonu
İzlenen bir varlığın davranışı geçmiş korelasyon modelinden saptığında sistem, tespit edilen anormallik ve istatistiksel güven düzeyiyle birlikte bir yeniden dengeleme notu oluşturur.
Kullanım Örneği 01
Kurumsal bir yatırımcı, genellikle volatilite artışlarından önce gelen korelasyon bozulmalarını tespit etmek amacıyla çoklu varlık portföyünü izlemek için Fair Suretendance'i kullanıyor. Bir hareketten sonra tepki vermek yerine, masa etkilenen belirli konumları ve önerilen yeniden dengeleme aralığını gösteren bir bayrak alır.
Pazara Giriş Analizi
Sermaye tahsisi senaryoları, tek bir tahmin rakamı yerine taahhütten önce olasılık ağırlıklı bir getiri aralığını tahmin etmek için tarihsel analoglara karşı çalıştırılır.
Kullanım Durumu 02
Yeni bir segmente girişi değerlendiren bir işletme, çeşitli makroekonomik senaryolar altında beklenen getirileri modellemek için platformu kullanır. Çıktı, finans ekibinin kararı kendi risk toleransına göre boyutlandırmasına olanak tanıyan tek bir sayı değil, bir aralıktır.
Veri Bütünlüğü
Dikkatli yatırımcılar, getiriler hakkında soru sormadan önce kaynak bulma ve uyumluluk hakkında soru sorma eğilimindedir. Fair Suretendance'in her ikisine de nasıl yanıt verdiği aşağıda açıklanmıştır.
Modeller, tümü daha sonraki denetim için kaynak ve zaman damgasıyla günlüğe kaydedilen küresel endeks verilerinden, borsa düzeyindeki fiyatlandırma akışlarından ve seçilmiş alternatif veri kümelerinden yararlanır.
Müşteri ve portföy verileri, Kanada federal yasaları kapsamında kişisel bilgilerin korunmasına ilişkin PIPEDA gerekliliklerine uygun olarak işlenir.
Veri paylaşım koşulları kabul edildikten sonra, spesifik yetki alanınıza ilişkin ayrıntılı geriye dönük test sonuçları, katılım sırasında paylaşılır.
Sık Sorulan Sorular
Modeller bilinen tarihsel şok dönemlerine göre geriye doğru test edilir, böylece stres altındaki davranışları varsayılmak yerine belgelenir. Canlı volatilite eğitim verilerinde görülen aralığı aştığında sistem, yanlış kesinlikte bir öneri vermek yerine çıktıya olan güvenin azaldığını işaretler.
Evet. Kabul edilebilir maksimum düşüş veya sektör yoğunlaşma limitleri gibi risk toleransı parametreleri, motor öneriler oluşturmadan önce talimat başına yapılandırılır, böylece çıktı, genel bir varsayılan yerine kısıtlamalarınızı yansıtır.
Veri alımı ve ilk analiz sürekli olarak yürütülür ve anormallik işaretlerinin çoğu, temel verilerin kullanılabilir hale gelmesinden birkaç dakika sonra ortaya çıkar. Destekleyici istatistikleri içeren resmi öneri raporları genellikle günlük bir döngüde derlenir.
Öneriler ve veri aktarımları, ortak portföy yönetimi ve raporlama araçlarıyla uyumlu standart formatlarda sunulur. Entegrasyon ayrıntılarının kapsamı, mevcut yığınınıza göre katılım sırasında belirlenir.
Bir sonraki kurumsal düzeyde analiz grubumuz için bekleme listesine katılın ve kapasite kullanılabilir hale geldikçe katılım ayrıntılarını alın.