Analysmotorns tekniska arkitektur
Varje rekommendation går igenom fyra distinkta stadier, från insamling av rådata till historisk validering, innan den presenteras för användaren.
Dataintag
Kontinuerlig insamling av marknadsflöden, makroekonomiska data och prisserier från offentliga och privata finansiella källor.
Standardisering
Rådata standardiseras, extremvärden filtreras och tidsserier anpassas till en gemensam bas.
Prediktiv modellering
Statistiska modeller identifierar korrelationer mellan tillgångar och uppskattar sannolika marknadsscenarier.
Validering genom backtesting
Varje strategi simuleras över historiska perioder skilda från träningsfasen innan den görs tillgänglig.
Analysverktyg för diversifiering
Varje modul tar upp en specifik dimension av portföljen - allokering, risk, korrelation - för att producera kvantifierade rekommendationer.
Dynamisk tilldelning
Justerar portföljallokeringen baserat på volatiliteten mätt på de tillgångar som hålls.
Systemisk riskpoängning
Tilldelar varje position ett exponeringsvärde för marknads-, kredit- och likviditetschocker.
Scenariosimulering
Projicerar effekten av makroekonomiska variationer på portföljens totala värde och risk.
Korrelationsdetektering
Identifierar högkorrelerade tillgångar för att begränsa oavsiktlig koncentration av risk.
Backtesting rapporter
Dokumenterar det historiska resultatet för varje testad strategi, period för period.
Ombalanseringsvarningar
Rapporterar avvikelser mellan den faktiska allokeringen och den användardefinierade måltilldelningen.
Risk är inte en abstrakt variabel
Motorn delar upp portföljen i homogena riskklasser, mäter korskorrelationen mellan positioner och beräknar sedan en nettoexponering mot marknads-, kredit- och likviditetsrisk.
Triggertröskelvärdena är justerbara av användaren och tillämpas identiskt på varje omräkning, utan mellanliggande manuella ingrepp.
Analysera mönsterKonkret applikation för aktiva profiler
Tre representativa profiler för användare som vill diversifiera sin inkomst utöver en huvudaktivitet.
Diversifiering av anställdas sparande
Mål: att fördela besparingar som byggts upp under flera år utöver de produkter som arbetsgivaren erbjuder, med månatlig snarare än daglig övervakning.
Testar nya tillgångsklasser
Mål: utvärdera, via backtesting, intresset av att integrera råvaror och valutor i en portfölj som hittills varit koncentrerad på aktier.
Korsvalidering av interna modeller
Mål: att jämföra personliga förvaltningshypoteser med backtestingresultaten som produceras av motorn, innan eventuella allokeringsbeslut.
Datakällor och valideringsmetod
De vanligaste frågorna gäller uppgifternas ursprung och tillförlitligheten av backtesting.
Varifrån kommer data som används av plattformen?
Data samlas in från erkända finansiella dataleverantörer och offentliga marknader, med kontinuerlig uppdatering av prisserier och makroekonomiska indikatorer.
Hur går backtesting till?
Varje strategi simuleras över en historisk period som skiljer sig från den som används för att träna modellen, för att begränsa risken för överanpassning på redan kända data.
Garanterar tidigare resultat framtida resultat?
Nej. Backtesting mäter robustheten hos en strategi över marknadscykler som redan har inträffat. Det utgör ingen garanti för framtida prestanda och ska inte tolkas som sådant.
Vilka tillgångsslag omfattas av analysen?
Aktier, obligationer, ETF:er, valutor och råvaror. Täckningen beror på tillgängliga datakällor för varje instrument.
Behöver du avancerad ekonomisk kunskap för att använda plattformen?
En grundläggande förståelse för risk och allokering rekommenderas. Rapporterna är utformade för att förbli läsbara utan portföljförvaltarutbildning.
Gå från ett intuitivt beslut till ett kvantifierat beslut
Mont Rendoire-terminalen ger tillgång till modulerna för allokering, riskpoäng och backtesting som beskrivs ovan, med månatlig övervakning av dina positioner.
Gå till terminalen