Analiza danych dla niezależnych inwestorów
Bold Gainorelle stosuje modele uczenia maszynowego do danych rynkowych i portfelowych, generując sygnały skorygowane o ryzyko, które są rejestrowane publicznie, zanim wyniki będą znane i sprawdzone przez społeczność, która na nich polega.
Nasza metodologia
Nasze modele są szkolone na historycznych i bieżących danych rynkowych, a następnie testowane w warunkach spoza próby, zanim sygnał zostanie kiedykolwiek opublikowany. Każdy wynik ma swoje podstawowe założenia i zakres ufności, więc można go ocenić na własnych warunkach, zamiast przyjmować je na wiarę.
Pozycje i limity zaangażowania podlegają przeglądowi na bieżąco. Kiedy założenia modelu nie są już aktualne, wycofujemy sygnał i rejestrujemy przyczynę, zamiast po cichu usuwać go z pola widzenia.
Możliwości
Przed publikacją każdy sygnał jest oceniany w odniesieniu do określonego przedziału ryzyka, co daje poczucie oczekiwanej wariancji, a nie jednopunktową prognozę.
Platforma śledzi wzajemne ruchy śledzonych pozycji, sygnalizując ryzyko koncentracji, które łatwo przeoczyć, gdy aktywa są rozpatrywane oddzielnie.
Statystyczne odchylenia od oczekiwanych wzorców transakcji są ujawniane w miarę ich pojawiania się, w kontekście tego, czy podobne odchylenia poprzedzały zmienność w przeszłości.
Biorąc pod uwagę określoną tolerancję ryzyka, model proponuje strukturę alokacji w ramach śledzonych możliwości, którą możesz dowolnie dostosować lub całkowicie zignorować.
Każdy sygnał jest zapisywany w księdze publicznej w momencie jego wydania, ze znacznikiem czasu poprzedzającym jakikolwiek wynik. Subskrybenci, którzy podążają za danym sygnałem, mogą dodać adnotację do wpisu po jego zamknięciu, co oznacza, że rekord odzwierciedla przeżyte doświadczenia, a nie wyselekcjonowany skrót najważniejszych wydarzeń.
Wpisy zamknięte publikujemy na czas nieokreślony, zamiast oddzielnie archiwizować niekorzystne wyniki. Tylko w ten sposób możemy pozwolić, aby zweryfikowana wydajność mówiła sama za siebie.
Poproś o dostęp do pełnej księgiScenariusz ilustracyjny
Abonent posiadający skoncentrowaną pozycję kapitałową wykorzystał nasze mapowanie korelacji do zidentyfikowania pojawiającego się skupiska skorelowanego ryzyka przed powszechnie oczekiwaną decyzją w sprawie stóp procentowych. Zamiast od razu opuścić pozycję, ekspozycja została obcięta i zabezpieczona proporcjonalnie do oznaczonego przedziału ryzyka, a korekta została zarejestrowana wraz z pierwotnym sygnałem w celu późniejszego przeglądu.
Dostęp przyznawany jest indywidualnie, po krótkim przeglądzie określonych celów i tolerancji ryzyka.