Data Intelligence per investitori indipendenti
Bold Gainorelle applica modelli di apprendimento automatico ai dati di mercato e di portafoglio, producendo segnali adeguati al rischio che vengono registrati pubblicamente prima che i risultati siano conosciuti ed esaminati dalla comunità che fa affidamento su di essi.
La nostra metodologia
I nostri modelli vengono addestrati su dati di mercato storici e in tempo reale, quindi testati rispetto a condizioni fuori campione prima che un segnale venga pubblicato. Ogni output porta con sé le sue ipotesi sottostanti e il suo intervallo di confidenza, quindi puoi giudicarlo in base ai suoi termini piuttosto che prenderlo sulla fiducia.
Le posizioni e i limiti di esposizione vengono rivisti su base continuativa. Quando le ipotesi di un modello non sono più valide, ritiriamo il segnale e registriamo il motivo, invece di rimuoverlo silenziosamente dalla vista.
Capacità
A ciascun segnale viene assegnato un punteggio rispetto a una fascia di rischio definita prima della pubblicazione, dandoti un'idea della varianza attesa piuttosto che una previsione a punto singolo.
La piattaforma tiene traccia del modo in cui le posizioni tracciate si muovono l'una rispetto all'altra, segnalando il rischio di concentrazione che è facile perdere quando gli asset vengono considerati isolatamente.
Le deviazioni statistiche dai modelli commerciali attesi emergono man mano che si verificano, con il contesto in cui deviazioni simili hanno preceduto la volatilità in passato.
Data una tolleranza al rischio dichiarata, il modello propone una struttura di allocazione tra le opportunità monitorate, che sei libero di modificare o ignorare del tutto.
Ogni segnale viene scritto nel registro pubblico nel momento in cui viene emesso, con un timestamp che precede qualsiasi risultato. Gli abbonati che seguono un determinato segnale possono annotare la voce una volta chiusa, il che significa che il record riflette l'esperienza vissuta, non una sequenza di momenti salienti curata.
Pubblichiamo le voci chiuse a tempo indeterminato anziché archiviare separatamente i risultati sfavorevoli. È l'unico modo che conosciamo per lasciare che le prestazioni verificate parlino da sole.
Richiedi l'accesso al registro completoScenario illustrativo
Un sottoscrittore che deteneva una posizione azionaria concentrata ha utilizzato la nostra mappatura delle correlazioni per identificare un cluster emergente di rischio correlato prima di una decisione sui tassi ampiamente anticipata. Invece di uscire completamente dalla posizione, l’esposizione è stata ridotta e coperta in proporzione alla fascia di rischio segnalata, con l’aggiustamento registrato insieme al segnale originale per una revisione successiva.
L'accesso viene concesso individualmente, dopo una breve revisione degli obiettivi dichiarati e della tolleranza al rischio.