Data Intelligence for Independent Investors
Bold Gainorelle aplica modelos de aprendizaje automático a datos de mercado y cartera, produciendo señales ajustadas al riesgo que se registran públicamente antes de que la comunidad que depende de ellos conozca y revise los resultados.
Nuestra Metodología
Nuestros modelos se entrenan con datos de mercado históricos y en vivo y luego se prueban en condiciones fuera de muestra antes de que se publique una señal. Cada resultado conlleva sus supuestos subyacentes y su rango de confianza, por lo que puede juzgarlo en sus propios términos en lugar de confiar en él.
Las posiciones y los límites de exposición se revisan de forma continua. Cuando los supuestos de un modelo ya no se cumplen, retiramos la señal y registramos el motivo, en lugar de eliminarla silenciosamente de la vista.
Capacidades
Cada señal se califica según una banda de riesgo definida antes de su publicación, lo que le brinda una sensación de variación esperada en lugar de un pronóstico de un solo punto.
La plataforma rastrea cómo se mueven las posiciones rastreadas entre sí, señalando el riesgo de concentración que es fácil pasar por alto cuando los activos se consideran de forma aislada.
Las desviaciones estadísticas de los patrones comerciales esperados salen a la luz a medida que ocurren, con el contexto de si desviaciones similares han precedido a la volatilidad en el pasado.
Dada una tolerancia al riesgo declarada, el modelo propone una estructura de asignación entre oportunidades rastreadas, que usted puede ajustar o ignorar por completo.
Cada señal se escribe en el libro público en el momento en que se emite, con una marca de tiempo que precede a cualquier resultado. Los suscriptores que siguen una señal determinada pueden anotar la entrada una vez que se cierra, lo que significa que el registro refleja la experiencia vivida, no un resumen seleccionado.
Publicamos entradas cerradas de forma indefinida en lugar de archivar los resultados desfavorables por separado. Es la única manera que conocemos de dejar que el rendimiento verificado hable por sí solo.
Request access to the full ledgerEscenario ilustrativo
Un suscriptor que mantenía una posición concentrada en acciones utilizó nuestro mapeo de correlación para identificar un grupo emergente de riesgo correlacionado antes de una decisión sobre tasas ampliamente anticipada. En lugar de abandonar la posición directamente, la exposición se recortó y cubrió en proporción a la banda de riesgo marcada, y el ajuste se registró junto con la señal original para su posterior revisión.
El acceso se otorga individualmente, luego de una breve revisión de sus objetivos declarados y su tolerancia al riesgo.