Optymalizacja decyzji oparta na sztucznej inteligencji
Namure Laguru przekształca duże ilości danych rynkowych w konkretne rekomendacje działań w czasie rzeczywistym. Modele są weryfikowane historycznie, więc decyzje opierają się na mierzalnych statystykach, a nie na emocjach.
Silnik rdzeniowy
Silnik analityczny Namure Laguru w sposób ciągły przetwarza dane dotyczące cen, wolumenów i zmienności oraz identyfikuje wzorce, które z biegiem czasu są trudne do ręcznego utrzymania. Wyniki nie są czarną skrzynką – każde zalecenie jest powiązane z mierzalnym prawdopodobieństwem i uzasadnionym profilem ryzyka.
Sprawdzona strategia
Każda strategia przechodzi ustrukturyzowany proces testowania, podczas którego prognozy są porównywane z rzeczywistymi wynikami w wielu cyklach rynkowych. Zmniejsza to ryzyko, że model zostanie po prostu dostosowany do wzorców jednego okresu.
Dane historyczne z różnych reżimów zmienności – hossy, korekty i konsolidacja boczna – są uwzględniane w podstawie testu, aby model nie był nadmiernie dopasowany do jednego rodzaju zachowań rynkowych.
Model jest szkolony na jednym okresie danych i testowany na oddzielnym, nieznanym okresie. Odkrywa, czy wyniki wynikają z rzeczywistych zdolności predykcyjnych, czy z losowej korelacji w danych szkoleniowych.
Wyniki są raportowane jako zwroty skorygowane o ryzyko – a nie tylko zyski brutto – dzięki czemu można ocenić wyniki w odniesieniu do zmienności, na którą faktycznie narażona była strategia.
Zarządzanie ryzykiem
Moduły ryzyka platformy mają na celu ograniczenie spadków przed ich wystąpieniem, a nie reagowanie po tym, jak ruch już nastąpił.
Wskaźniki zmienności są aktualizowane co interwał i są bezpośrednio uwzględniane w sposobie dostosowywania wielkości pozycji i wag sygnałów.
Całkowite ryzyko portfela jest monitorowane we wszystkich pozycjach, aby uniknąć niezamierzonej skoncentrowanej ekspozycji.
Gdy pozycja przekroczy określone limity ryzyka, natychmiast wysyłane jest powiadomienie.
Logika ryzyka jest zbudowana tak, aby obsługiwać zarówno portfel indywidualnego inwestora, jak i ogólną księgowość menedżera, bez uszczerbku dla czasu reakcji.
Metoda
Przejrzystość w przetwarzaniu danych jest warunkiem zaufania wśród użytkowników technicznych. Poniższy proces opisuje łańcuch od wprowadzenia danych do decyzji o wykonaniu.
Dane rynkowe, informacje o księdze zamówień i wskaźniki makro są zbierane z połączonych źródeł i normalizowane do wspólnego formatu.
Modele statystyczne i modele oparte na uczeniu maszynowym identyfikują wzorce i obliczają prawdopodobieństwa dla różnych wyników.
Sygnały są porównywane z parametrami ryzyka użytkownika i istniejącym składem portfela w celu uzyskania konkretnej rekomendacji.
Rekomendacja udostępniana jest poprzez API lub interfejs użytkownika, gotowa do ręcznej akceptacji lub automatycznego złożenia zamówienia.
O platformie
Namure Laguru jest skierowany do day traderów, menedżerów portfeli i entuzjastów fintech, którzy już pracują w oparciu o dane, ale chcą systematycznej warstwy pomiędzy surowymi danymi a decyzjami. Platforma ma uzupełniać istniejące badania, a nie zastępować profesjonalną ocenę.
Integracja odbywa się poprzez udokumentowane API, dzięki czemu sygnały można włączyć do istniejących przepływów pracy bez konieczności całkowitej zmiany platformy.
Często zadawane pytania
Modele wykorzystują dane rynkowe z połączonych platform transakcyjnych, a także publicznie dostępne wskaźniki makroekonomiczne. Konkretni dostawcy danych zależą od rynku, na którym dokonuje się transakcji i są konfigurowani podczas konfiguracji.
Platforma udostępnia interfejs API oparty na REST, z którego można programowo pobierać sygnały, parametry ryzyka i status portfela. Dokumentacja i metoda uwierzytelniania są sprawdzane po przyznaniu dostępu.
Opóźnienie zależy od częstotliwości aktualizacji źródła danych i wybranego rodzaju rynku. Sygnały są dostarczane w sposób ciągły w miarę otrzymywania nowych danych, a nie w stałych, wolniejszych odstępach czasu.
Tak. Parametry ryzyka, limity ekspozycji i wielkość pozycji można skonfigurować tak, aby rekomendacje opierały się na rzeczywistym portfelu, a nie na ogólnym profilu standardowym.
Wyniki raportuje się na podstawie testów historycznych poza próbą obejmujących kilka cykli rynkowych, ze szczególnym uwzględnieniem zwrotu skorygowanego o ryzyko, a nie izolowanego zwrotu brutto. Metodologia jest szczegółowo sprawdzana przy składaniu wniosku o dostęp.