KI-gesteuerte Entscheidungsoptimierung
Namure Laguru wandelt große Mengen an Marktdaten in Echtzeit in konkrete Handlungsempfehlungen um. Die Modelle werden anhand historischer Szenarien getestet, sodass Entscheidungen auf messbaren Statistiken basieren – nicht auf Emotionen.
Kernmotor
Die Analyse-Engine von Namure Laguru verarbeitet Preis-, Volumen- und Volatilitätsdaten kontinuierlich und identifiziert Muster, die manuell im Laufe der Zeit nur schwer aufrechtzuerhalten sind. Der Output ist keine Blackbox – jede Empfehlung ist mit einer messbaren Wahrscheinlichkeit und einem begründeten Risikoprofil verknüpft.
Backtested-Strategie
Jede Strategie durchläuft einen strukturierten Testprozess, bei dem Prognosen mit tatsächlichen Ergebnissen über mehrere Marktzyklen hinweg verglichen werden. Dies verringert das Risiko, dass das Modell einfach an die Muster einer einzelnen Periode angepasst wird.
Historische Daten aus verschiedenen Volatilitätsregimen – Bullenmärkte, Korrekturen und Seitwärtskonsolidierung – werden in die Testbasis einbezogen, damit das Modell nicht übermäßig an eine Art von Marktverhalten angepasst wird.
Das Modell wird in einem Datenzeitraum trainiert und in einem separaten, unbekannten Zeitraum getestet. Es deckt auf, ob die Ergebnisse auf echte Vorhersagefähigkeiten oder zufällige Korrelationen in Trainingsdaten zurückzuführen sind.
Die Ergebnisse werden als risikobereinigte Renditen – nicht nur als Bruttorenditen – ausgewiesen, sodass die Leistung im Verhältnis zur Volatilität beurteilt werden kann, der die Strategie tatsächlich ausgesetzt war.
Risikomanagement
Die Risikomodule der Plattform sind darauf ausgelegt, Abwärtsbewegungen zu begrenzen, bevor sie auftreten, anstatt zu reagieren, nachdem eine Bewegung bereits stattgefunden hat.
Volatilitätsindikatoren werden pro Intervall aktualisiert und fließen direkt in die Anpassung von Positionsgrößen und Signalgewichten ein.
Das Gesamtrisiko des Portfolios wird über alle Positionen hinweg überwacht, um unbeabsichtigte Konzentrationen zu vermeiden.
Wenn sich eine Position außerhalb definierter Risikogrenzen bewegt, wird sofort eine Benachrichtigung gesendet.
Die Risikologik ist darauf ausgelegt, sowohl das Portfolio eines einzelnen Händlers als auch die gesamte Buchhaltung eines Managers zu verwalten, ohne die Reaktionszeiten zu beeinträchtigen.
Methode
Transparenz in der Datenverarbeitung ist eine Voraussetzung für das Vertrauen technischer Anwender. Der folgende Prozess beschreibt die Kette von der Dateneingabe bis zur ausführbaren Entscheidung.
Marktdaten, Orderbuchinformationen und Makroindikatoren werden aus verbundenen Quellen gesammelt und in ein gemeinsames Format normalisiert.
Statistische und auf maschinellem Lernen basierende Modelle identifizieren Muster und berechnen Wahrscheinlichkeiten für verschiedene Ergebnisse.
Die Signale werden anhand der Risikoparameter des Nutzers und der bestehenden Portfoliozusammensetzung gewichtet, um eine konkrete Empfehlung zu bilden.
Die Empfehlung wird über eine API oder Benutzeroberfläche zur Verfügung gestellt und kann manuell genehmigt oder automatisiert bestellt werden.
Über die Plattform
Namure Laguru richtet sich an Daytrader, Portfoliomanager und Fintech-Enthusiasten, die bereits datengesteuert arbeiten, aber eine systematische Schicht zwischen Rohdaten und Entscheidung wünschen. Die Plattform soll die bestehende Forschung ergänzen und nicht die professionelle Beurteilung ersetzen.
Die Integration erfolgt über eine dokumentierte API, sodass Signale in bestehende Workflows eingebunden werden können, ohne dass ein vollständiger Plattformwechsel erforderlich ist.
Häufig gestellte Fragen
Die Modelle nutzen Marktdaten von angeschlossenen Handelsplattformen sowie öffentlich verfügbare makroökonomische Indikatoren. Spezifische Datenanbieter hängen vom gehandelten Markt ab und werden bei der Einrichtung konfiguriert.
Die Plattform stellt eine REST-basierte API bereit, über die Signale, Risikoparameter und Portfoliostatus programmgesteuert abgerufen werden können. Dokumentation und Authentifizierungsmethode werden überprüft, wenn der Zugriff gewährt wird.
Die Latenz hängt von der Aktualisierungshäufigkeit der Datenquelle und dem ausgewählten Markttyp ab. Signale werden kontinuierlich übermittelt, wenn neue Daten empfangen werden, und nicht in festen, langsameren Intervallen.
Ja. Risikoparameter, Risikolimits und Positionsgrößen können so konfiguriert werden, dass Empfehlungen auf dem tatsächlichen Portfolio und nicht auf einem generischen Standardprofil basieren.
Die Performance wird auf der Grundlage von Out-of-Sample-Backtests über mehrere Marktzyklen berichtet, wobei der Schwerpunkt auf der risikobereinigten Rendite und nicht auf der isolierten Bruttorendite liegt. Bei der Beantragung des Zugriffs wird die Methodik im Detail überprüft.