Ar AI darbināma kvantitatīvā analīze, kuras pamatā ir pārbaudāmi vēsturiskie dati.
Lumiant Quant apvieno paredzamo modelēšanu un stingru atpakaļpārbaudi, lai pārveidotu jūsu tirgus hipotēzes dokumentētos un izmērāmos lēmumos.
Lumiant Quant apvieno paredzamo modelēšanu un stingru atpakaļpārbaudi, lai pārveidotu jūsu tirgus hipotēzes dokumentētos un izmērāmos lēmumos.
Lumiant Quant bija paredzēts investoriem, kuri vēlas konfrontēt savu tirgus intuīciju ar stabiliem statistikas modeļiem, nevis tos aizstāt. Katrs ieteikums ir balstīts uz izsekojamiem vēsturiskiem datiem un skaidriem riska parametriem.
Mēs necenšamies automatizēt jūsu spriedumu, bet gan nodrošināt to. Mūsu modeļu radītajiem signāliem ir pievienoti aiz tiem esošie pieņēmumi, lai jūs varētu novērtēt to atbilstību savai stratēģijai.
Pirms signāls tiek parādīts jums, tas iziet definētu, atkārtojamu un dokumentētu procesu. Neviens solis nav atstāts tikai algoritma ziņā.
Tirgus plūsmas, tirdzniecības apjomi un makroekonomiskie rādītāji tiek nepārtraukti vākti un normalizēti, lai aktīvu salīdzinājumi būtu konsekventi.
Modeļi nosaka statistikas likumsakarības dažādos vēsturiskajos periodos un pēc tam novērtē šo modeļu atkārtošanās iespējamību salīdzināmos tirgus apstākļos.
Katrs ieteikums tiek svērts, ņemot vērā nepastāvības un korelācijas ierobežojumus, lai ierobežotu pārmērīgu iedarbību uz vienu scenāriju.
Trīs papildu ķieģeļi, kas paredzēti, lai integrētos jau esošā lēmumu plūsmā, nevis to aizstātu.
Dienas nepastāvība padara fiksētās analīzes novecojušas. Mūsu plūsmas tiek nepārtraukti atjauninātas, lai jūsu lēmumi būtu balstīti uz reālo tirgus stāvokli, nevis uz fotogrāfiju, kas datēta pirms dažām stundām.
Katra stratēģija pirms tās piemērošanas var tikt pakļauta vairākiem vēsturiskiem tirgus cikliem. Šis solis palīdz identificēt apstākļus, kādos pieejai ir tendence uz zemu veiktspēju.
Novilkšanas sliekšņi un korelācijas ierobežojumi starp pozīcijām tiek noteikti augšpus, lai veiktspējas optimizācija nekad netiktu veikta uz nekontrolētas ekspozīcijas rēķina.
Tā vietā, lai paļautos uz atsauksmēm, mēs publicējam mūsu modeļu veiktspēju noteiktos vēstures periodos.
Tipiskas stratēģijas kumulatīvā veiktspējas līkne vairāku gadu atpakaļpārbaudes periodā, pirms maksas un izpildes novirzes.
Tālāk norādītajos rādītājos ir apkopota reprezentatīvas stratēģijas uzvedība aplūkotajā atpakaļpārbaudes periodā. Tie ir aprēķināti, pamatojoties uz vēsturiskiem datiem, un negarantē tādu pašu rezultātu atkārtošanu nākotnē.
Prezentētie priekšnesumi ir iegūti, pārbaudot vēsturiskos datus. Tie nav ne garantija, ne prognozes par turpmāko darbību. Faktiskie rezultāti ir atkarīgi no tirgus apstākļiem, piemērojamām maksām un izpildes kvalitātes.
Mūsu rīki ir izstrādāti, lai iekļautos jau strukturētos lēmumu pieņemšanas procesos, nevis aizstātu tos ar melno kasti.
Piekļuves modelēšanas metodes parasti ir paredzētas profesionāliem galdiem, ar pietiekamu dokumentāciju, lai pamatotu katru izvirzīto hipotēzi.
Integrējiet mūsu signālus pirms saviem izpildes noteikumiem, lai bagātinātu jau esošo sistēmu, nevis to pilnībā aizstātu.
Identificējiet neskaidras korelācijas starp aktīvu klasēm, lai ierobežotu netīšu koncentrēšanos uz vienu un to pašu riska faktoru.
Investīciju lēmums ir pelnījis, lai to atbalstītu pārbaudāmi dati, nevis tikai intuīcija. Lumiant Quant nodrošina šīs datu bāzes izveidei nepieciešamos modeļus un vēsturi.
Lai sāktu darbu, jāveic tikai dažas darbības: riska profila izveide, uzraudzīto aktīvu klases atlase, pēc tam piekļuve analīzes informācijas panelim.