Wie aktuell sind die verarbeiteten Daten

Marktdaten werden fortlaufend eingelesen und im Minutenbereich verarbeitet. Die genaue Latenz hängt von der jeweiligen Datenquelle ab, liegt jedoch bei allen unterstützten Märkten im niedrigen einstelligen Minutenbereich.

Wie oft werden die Modelle neu trainiert

Das Retraining erfolgt in regelmäßigen Zyklen auf Basis neu verfügbarer Marktdaten. Zusätzlich wird bei signifikanten Marktveränderungen ein außerplanmäßiger Validierungslauf angestoßen, um die Modellgenauigkeit zu erhalten.

Wie werden Risikoparameter festgelegt

Risikoparameter basieren auf historischer Volatilität, Drawdown-Verhalten und individuell hinterlegten Obergrenzen. Nutzer können diese Parameter innerhalb definierter Grenzen anpassen, ohne die zugrunde liegende Modelllogik zu verändern.

Was passiert, wenn ein Modell im Backtesting schlecht abschneidet

Modelle, die die definierten Mindestkriterien im Backtesting nicht erreichen, werden nicht für die Signalgenerierung freigegeben. Sie verbleiben in der Entwicklungsumgebung, bis eine erneute Validierung bestanden wird.

Auf welchen Datenquellen basiert die Analyse

Die Plattform verarbeitet öffentlich zugängliche Marktdaten sowie strukturierte historische Zeitreihen. Eine detaillierte Übersicht der verwendeten Datenquellen ist über die Kontaktseite erhältlich.

Bonusa programmas informācijas panelis AI atbalstītai datu analīzei investīciju lēmumu pieņemšanai

Ar AI darbināma analīze

Precizitāte ar datiem, mērogojama atdeve, izmantojot sistemātiku

Bonus Programm apvieno prognozējošo modelēšanu ar reāllaika lēmumu optimizāciju. Tirgus un tirdzniecības datu datu kopas tiek nepārtraukti novērtētas, lai radītu signālus, kuru pamatā ir vēsturiska validācija, nevis intuīcija.

Droša piekļuve platformai Skatīt metodoloģiju

24/7 Datu uzņemšana

10 gadi+ Atpakaļpārbaudes vēsture

Δt Reāllaika signāli

Metodoloģija

Kā atpakaļpārbaudes programma apstiprina lēmumus

Katrs signāls iziet cauri četriem posmiem, pirms tas tiek izlaists kā pamats lēmumu pieņemšanai. Šis process samazina atkarību no individuālajiem viedokļiem un padara saprotamu katra ieteikuma loģiku.

01 — datu ievade

Datu vākšana

Strukturētie un nestrukturētie tirgus dati tiek nepārtraukti importēti un pārbaudīti pēc konsekvences, pirms tie nonāk modeļa konveijerā.

02 — modeļa atpazīšana

Rakstu atpazīšana

Algoritmi identificē atkārtotas datu kopas un korelācijas, kuras cilvēka analīzei nebūtu iespējams noteikt ar šādu ātrumu.

03 — Validācija

Atpakaļpārbaude

Katrs identificētais modelis tiek pārbaudīts, salīdzinot ar vēsturiskajiem laika periodiem, lai pārbaudītu trāpījumu līmeni un riska parametrus dažādos tirgus apstākļos.

04 — izdevums

Signāla ģenerēšana

Tikai pēc apstiprināšanas signāls ar ticamības vērtību un riska klasifikāciju tiek pārsūtīts uz lēmumu pieņemšanas saskarni.

Modeļa atjaunināšanas ciklsNepārtraukta pārkvalifikācija, pamatojoties uz jauniem tirgus datiem

Datu latentumsApstrāde minūtēs

Riska parametriIndividuāli konfigurējams katram profilam

Validācijas periodsVairāku gadu vēsturiskās datu kopas

Funkcionālie balsti

Trīs platformas loģikas pamatelementi

Katra funkcija ir vērsta uz konkrētu lēmuma problēmu: kas varētu notikt, cik liels ir risks un kas notiek šobrīd.

Prognozējošie modeļi

Prognozējošā modelēšana novērtē cenu izmaiņu iespējamību, pamatojoties uz vēsturisko datu kopām, un nodrošina ticamības intervālus, nevis vispārīgas prognozes.

Riska samazināšana

Pozīciju lielumi un riska parametri tiek automātiski pielāgoti, pamatojoties uz nepastāvību un izņemšanas vēsturi, lai sistemātiski ierobežotu kapitāla zaudējumus.

Reāllaika metrika

Darbojošs informācijas panelis parāda signāla statusu, tirgus izmaiņas un portfeļa ietekmi bez manuālas novērtēšanas.

Atpakaļpārbaudes vēstures un datu kopu papildu programmas vizualizācija

Datu caurspīdīgums

Uz pierādījumiem balstītas stratēģijas, nevis spekulācijas

Katrs Bonus Programm ieteikums ir balstīts uz dokumentētu atpakaļpārbaudes vēsturi. Viedokļu vai īstermiņa tendenču vietā sistēma paļaujas uz objektīviem datu klasteriem, kas ir pārbaudīti vairākos tirgus ciklos.

Metodoloģija tiek apzināti saglabāta saprotama: katru signālu var izsekot pamatā esošajiem testa braucieniem, tostarp tirgus apstākļiem, kādos tas tika izveidots.

Verifikācija: pirms tiešraides visiem modeļiem tiek veikta ārpusizlases pārbaude datu kopām, kas nebija iekļautas apmācībā.

Lietošanas gadījumi

Divi tipiski lietošanas scenāriji

Platforma tiek izmantota gan esošo portfeļu precizēšanai, gan jaunu, automatizētu ienākumu avotu veidošanai.

1. scenārijs

Portfeļa optimizācija pieredzējušiem investoriem

Investors ar esošu portfeli izmanto signālu attiecinājumu, lai līdzsvarotu pozīcijas, pamatojoties uz pašreizējiem riska parametriem. Atpakaļpārbaudes vēsture nodrošina objektīvu pamatu pārdales lēmumiem, kas pretējā gadījumā būtu jāpārbauda manuāli un laikietilpīgā veidā.

− Laiks Mazāks manuālās analīzes laiks vienam lēmumam

2. scenārijs

Otrā ienākumu avota radīšana

Nodarbināts profesionālis ar ierobežotu laika budžetu iestata automatizētus signālu paziņojumus, lai pieņemtu strukturētus lēmumus uz nepilnu slodzi. Sagatavošanas modelēšanas darbs vairs nav nepieciešams, jo signāli jau ir balstīti uz apstiprinātiem datu klasteriem.

24/7 Nepārtraukta tirgus novērošana bez jūsu pūlēm

Tehniskie bieži uzdotie jautājumi

Bieži uzdotie jautājumi par datiem un modeļiem

Atbildes uz jautājumiem, kas parasti rodas pirms lēmuma pieņemšanas par datu vadītu platformu.

Cik aktuāli ir apstrādātie dati?

Tirgus dati tiek nepārtraukti nolasīti un apstrādāti katru minūti. Precīzs latentums ir atkarīgs no konkrētā datu avota, bet ir zemā viencipara minūšu diapazonā visos atbalstītajos tirgos.

Cik bieži modeļi tiek pārkvalificēti?

Pārkvalifikācija notiek regulāros ciklos, pamatojoties uz jaunajiem tirgus datiem. Turklāt, ja notiek būtiskas tirgus izmaiņas, tiek uzsākta neplānota validācijas darbība, lai saglabātu modeļa precizitāti.

Kā tiek noteikti riska parametri?

Riska parametri ir balstīti uz vēsturisko nepastāvību, izņemšanas paradumiem un individuāli saglabātiem augšējiem limitiem. Lietotāji var pielāgot šos parametrus noteiktās robežās, nemainot modeļa pamatā esošo loģiku.

Kas notiek, ja modeļa atpakaļpārbaudē darbojas slikti?

Modeļi, kas neatbilst noteiktajiem minimālajiem kritērijiem atpakaļpārbaudē, netiks izlaisti signālu ģenerēšanai. Tie paliek izstrādes vidē, līdz tiek apstiprināts atkārtots apstiprinājums.

Uz kādiem datu avotiem tiek veikta analīze?

Platforma apstrādā publiski pieejamus tirgus datus, kā arī strukturētas vēsturiskās laikrindas. Detalizēts pārskats par izmantotajiem datu avotiem ir pieejams kontaktu lapā.