経費率の概略図であり、特定の顧客の測定値ではありません。
このプラットフォームは、リアルタイム処理と、生産的な使用前に検証されたモデルを組み合わせています。
市場、財務、企業のデータは継続的に処理されます。予測は手動介入なしで自動的に更新されます。
モデルは過去の時系列に基づいてトレーニングされ、個々の点の値ではなく確率バンドを出力します。
ポートフォリオとデータセットはボラティリティと相関関係によってグループ化され、集中リスクが明らかになります。
処理は、分析方法を変更することなく、個々のポートフォリオから企業全体のデータセットまで拡張できます。
既存のシステムを置き換えることなく、定義されたインターフェイスを介して既存のデータ ソースに接続できます。
各推奨事項は、基礎となるデータ ポイントと計算時間とともに記録されます。
F.-K. Weber は、文書化されたデータ ソースと公開されている計算ルールに基づいた分析モデルを開発します。各推奨事項は、基礎となるデータ ポイントまで遡ることができます。
再現性に重点が置かれており、同じ入力データから同じ結果が得られます。予測と実際のコースとの乖離は記録され、次のモデルのバージョンに組み込まれます。
過去の市場フェーズに対して最初にテストされずにモデルを稼働させることはできません。
データ収集: 市場、財務、企業のデータは構造化された方法で記録され、クリーニングされます。
モデルのトレーニング: アルゴリズムは、歴史的な期間とさまざまな市場フェーズに基づいてトレーニングされます。
バックテスト: 戦略は生産的に使用される前に、過去の市場状況に対してテストされます。
継続的な管理: 予測と結果の差異は文書化され、次のバージョンに組み込まれます。
すべてのモデルは、生産的な使用の前に、いくつかの市場サイクルのデータセットでテストされます。予測と実際のコースとの乖離は文書化され、リクエストに応じて閲覧できます。過去のテスト結果は将来の開発を保証するものではありません。
分析の重み付けは、利用可能な資金、期間、リスク選好度に応じて行われます。
毎月の余剰金は、リスクプロファイルに応じてさまざまな資産クラスに分配されます。分析では、割り当てを提案する前に、既存の埋蔵量と希望する期間が考慮されます。
基礎となるシナリオの歴史的な変動幅を含む、保守的、バランスのとれた、攻撃的なプロファイルの範囲を含む配分提案。
モデル出力の表現例であり、投資アドバイスや結果の保証はありません。
変動する収入は、現在の義務とバランスがとれています。モデルは、流動性リスクなしで収入のどの割合を投資できるかを示します。
直近の収入変動を踏まえた積立額の推奨と、投資可能な残額の分散を提案。
モデル出力の表現例であり、投資アドバイスや結果の保証はありません。
既存のポジションの相関性と集中リスクがチェックされます。分析により、どの資産クラスがポートフォリオ全体の変動幅を縮小するかがわかります。
現在のポジションの相関マトリックスと、ポートフォリオのボラティリティの予想される変化に応じたリバランスの提案。
モデル出力の表現例であり、投資アドバイスや結果の保証はありません。
このプラットフォームは、構造化された市場データ、主要な企業数値、インターフェイスを介して接続されたサードパーティのソースを処理します。すべてのソースは使用前に完全性と話題性がチェックされます。
データ処理は 15 分間隔で実行されます。モデルのバージョン自体は定期的なサイクルでチェックされ、必要に応じて再トレーニングされます。
いいえ。インターフェイスは事前の技術知識がなくても使用できるように設計されています。独自のデータ ソースを接続するために文書化されたインターフェイスを使用できます。
はい。このプラットフォームは、デスクトップおよびモバイル デバイスのブラウザー向けに設計されています。ネイティブアプリは現時点では予定されていません。
データは暗号化されて送信され、ドイツにあるサーバーで処理されます。アクセスはログに記録され、追跡することができます。
予測と実際のコースとの差異は記録、文書化され、影響を受けるモデル バージョンのリビジョンに組み込まれます。
Access には、データの初期分析と、基礎となるバックテスト結果の概要が含まれます。自動的に契約が締結されることはありません。