Teknisk arkitektur av analysemotoren
Hver anbefaling går gjennom fire forskjellige stadier, fra innsamling av rådata til historisk validering, før den presenteres for brukeren.
Datainntak
Kontinuerlig innsamling av markedsfeeder, makroøkonomiske data og prisserier fra offentlige og private finanskilder.
Standardisering
Rådata er standardisert, uteliggere filtrert og tidsserier justert til en felles base.
Prediktiv modellering
Statistiske modeller identifiserer korrelasjoner mellom eiendeler og anslår sannsynlige markedsscenarier.
Validering ved backtesting
Hver strategi simuleres over historiske perioder forskjellig fra treningsfasen før de gjøres tilgjengelig.
Analyseverktøy for diversifisering
Hver modul tar for seg en spesifikk dimensjon av porteføljen - allokering, risiko, korrelasjon - for å produsere kvantifiserte anbefalinger.
Dynamisk tildeling
Justerer porteføljeallokeringen basert på volatiliteten målt på eiendelene som holdes.
Systemisk risikoscoring
Tildeler hver posisjon en eksponeringsvurdering til markeds-, kreditt- og likviditetssjokk.
Scenariosimulering
Projiserer virkningen av makroøkonomiske variasjoner på den samlede verdien og risikoen til porteføljen.
Korrelasjonsdeteksjon
Identifiserer høyt korrelerte eiendeler for å begrense utilsiktet konsentrasjon av risiko.
Backtesting rapporter
Dokumenterer den historiske ytelsen til hver testet strategi, periode for periode.
Rebalanser varsler
Rapporterer avvik mellom faktisk tildeling og brukerdefinert måltildeling.
Risiko er ikke en abstrakt variabel
Motoren segmenterer porteføljen i homogene risikoklasser, måler krysskorrelasjonen mellom posisjoner, og beregner deretter en netto eksponering mot markeds-, kreditt- og likviditetsrisiko.
Utløserterskelene kan justeres av brukeren og brukes identisk for hver omberegning, uten mellomliggende manuell intervensjon.
Analyser mønstreKonkret applikasjon for aktive profiler
Tre representative profiler av brukere som ønsker å diversifisere inntektene sine i tillegg til en hovedaktivitet.
Diversifisering av ansattes sparing
Mål: å fordele besparelser bygget opp over flere år utover produktene som tilbys av arbeidsgiver, med månedlig fremfor daglig overvåking.
Tester nye aktivaklasser
Mål: evaluere, via backtesting, interessen for å integrere råvarer og valutaer i en portefølje som hittil har vært konsentrert om aksjer.
Kryssvalidering av interne modeller
Mål: å sammenligne personlige ledelseshypoteser med backtesting-resultatene produsert av motoren, før enhver allokeringsbeslutning.
Datakilder og valideringsmetode
De oftest stilte spørsmålene gjelder opprinnelsen til dataene og påliteligheten til backtesting.
Hvor kommer dataene som brukes av plattformen fra?
Data er aggregert fra anerkjente finansdataleverandører og offentlige markeder, med kontinuerlig oppdatering av prisserier og makroøkonomiske indikatorer.
Hvordan utføres backtesting?
Hver strategi simuleres over en historisk periode som er forskjellig fra den som ble brukt for å trene modellen, for å begrense risikoen for overtilpasning på allerede kjente data.
Garanterer tidligere resultater fremtidige resultater?
Nei. Backtesting måler robustheten til en strategi over markedssykluser som allerede har skjedd. Det utgjør ikke en garanti for fremtidig ytelse og skal ikke tolkes som det.
Hvilke aktivaklasser omfattes av analysen?
Aksjer, obligasjoner, ETFer, valutaer og råvarer. Dekningen avhenger av datakildene som er tilgjengelige for hvert instrument.
Trenger du avansert økonomisk kunnskap for å bruke plattformen?
En grunnleggende forståelse av risiko og allokering anbefales. Rapportene er utformet for å forbli lesbare uten opplæring i porteføljeforvaltere.
Gå fra en intuitiv beslutning til en kvantifisert beslutning
Mont Rendoire-terminalen gir tilgang til modulene for allokering, risikoscoring og backtesting beskrevet ovenfor, med månedlig overvåking av posisjonene dine.
Få tilgang til terminalen