Voorspellende analyses voor Canadese markten
Vexquant past voorspellende modellen toe op grote sets markt- en portefeuillegegevens en publiceert vervolgens de resulterende oproepen in een openbaar logboek, zodat u de voorspellende nauwkeurigheid kunt beoordelen voordat u kapitaal investeert.
Methodologie
Het proces van Vexquant is gebouwd om te worden geïnspecteerd, niet om op basis van vertrouwen te worden aangenomen. Elke fase hieronder levert een tussentijdse output op die wordt vastgelegd, zodat het pad van ruwe gegevens naar aanbevelingen achteraf kan worden gevolgd.
Prijs-, volume- en on-chain- of marktdieptegegevens worden met regelmatige tussenpozen uit meerdere bronnen gehaald en vóór gebruik gecontroleerd op lacunes of inconsistenties.
Modellen die zijn getraind op historische gegevens identificeren terugkerende relaties tussen variabelen die moeilijk handmatig te isoleren zijn in grote datasets.
Elk gedetecteerd patroon wordt getest aan de hand van gegevens die buiten de steekproef vallen om signalen te filteren die niet standhouden na de periode waarin ze zijn gevonden.
Overlevende signalen worden omgezet in een voor risico aangepaste aanbeveling, voorzien van een tijdstempel en naar het openbare prestatielogboek geschreven voordat de uitkomst bekend is.
Kerncapaciteiten
Elke tool hieronder behandelt een specifieke vraag die een risicomanager of belegger doorgaans handmatig moet beantwoorden. Vexquant vervangt dat oordeel niet; het beperkt de gegevens tot wat statistisch relevant is.
Activa en posities worden beoordeeld op basis van historische volatiliteitsmarges, waarbij blootstellingen worden gemarkeerd die afwijken van de aangegeven risicotolerantie van een portefeuille.
Portefeuilles kunnen worden gebruikt tegen gemodelleerde marktdalingen en liquiditeitsschokken om de kredietopname in te schatten voordat kapitaal in gevaar komt.
Identificeert wanneer voorheen niet-gecorreleerde holdings samen beginnen te bewegen, een veel voorkomende vroege indicator van geconcentreerd risico.
Stelt wegingsaanpassingen voor op basis van voorspellende nauwkeurigheidsscores voor elke activaklasse, en niet op basis van statische vuistregels.
Elke aanbeveling heeft een betrouwbaarheidsbeoordeling die is afgeleid van achteraf geteste nauwkeurigheid, zodat signalen met een laag vertrouwen dienovereenkomstig kunnen worden gewogen.
Exporteerbare rapporten vatten modelinputs, aannames en resultaten samen in een formaat dat geschikt is voor interne risicocomités.
Prestatietransparantie
In plaats van een trackrecord te claimen, publiceert Vexquant er een. Elke aanbeveling wordt geregistreerd met een tijdstempel voordat de uitkomst bekend is, en het resultaat wordt vastgelegd zodra deze is opgelost, of deze nu gunstig is of niet.
| Datum geregistreerd | Activaklasse | Aanbeveling | Vertrouwen | Resultaatstatus |
|---|---|---|---|---|
| 03-11-2024 | Digitale activa, large-cap | Verminder de blootstelling | Matig | Opgelost - afgestemd |
| 18-11-2024 | Aandelen, sectoroverschrijdend | Houd de volatiliteit in de gaten | Hoog | Opgelost - afgestemd |
| 02-12-2024 | Digitale activa, midcap | Toewijzing vergroten | Laag | Opgelost - uiteengelopen |
| 21-12-2024 | Proxy voor vast inkomen | Positie behouden | Hoog | In afwachting van oplossing |
Elke logboekinvoer linkt terug naar de momentopname van de gegevens en de modelversie die is gebruikt om deze te genereren. Inzendingen kunnen alleen als bijlage worden toegevoegd; aanbevelingen uit het verleden worden nooit achteraf bewerkt of verwijderd, ook niet in gevallen waarin het signaal niet standhield.
Resultaatlabels worden automatisch toegewezen zodra de oplossingsperiode voor een bepaalde aanbeveling sluit, waarbij gebruik wordt gemaakt van dezelfde gegevensbronnen die in het oorspronkelijke item zijn aangehaald, zodat de beoordelingscriteria consistent blijven in het logboek.
Gebruiksscenario's
Twee terugkerende patronen onder Vexquant-gebruikers illustreren hoe dezelfde onderliggende modellen worden toegepast op verschillende mandaten.
Bedrijfsschatkist
Probleemstelling: Een treasury-team dat een deel van de reserves in digitale activa aanhield, had een herhaalbare manier nodig om positie-aanpassingen te beoordelen, zonder uitsluitend te vertrouwen op intern sentiment of ad-hocoproepen van analisten.
Aanpak en resultaat: Risicoscores en scenariomodellering werden toegepast op de bestaande holdings, waardoor wekelijkse aanpassingsmarges met een betrouwbaarheidsbeoordeling ontstonden. De beslissingen bleven bij de treasurycommissie; De rol van het model was het beperken van de reeks redelijke acties en het documenteren van de redenering achter elke actie.
Privéportfolio
Probleemstelling: Een belegger die een persoonlijke portefeuille met verschillende digitale activa beheert, wilde een onafhankelijke, op gegevens gebaseerde controle op emotionele besluitvorming tijdens perioden van hoge volatiliteit.
Aanpak en resultaat: Het in kaart brengen van de correlaties werd gesignaleerd toen de posities waarvan werd aangenomen dat ze gediversifieerd waren, zich samen begonnen te bewegen, wat aanleiding gaf tot een herbalancering in de aanloop naar een bredere daling. Dankzij het openbare logboek kon de investeerder het verklaarde vertrouwen van het signaal vergelijken met de werkelijke uitkomst voordat hij opnieuw op soortgelijke signalen reageerde.
Veelgestelde vragen
Nee. Vexquant produceert datagestuurde aanbevelingen met vastgestelde betrouwbaarheidsniveaus, die openbaar worden geregistreerd ter beoordeling. Het biedt geen persoonlijk financieel advies en er is geen gegarandeerd resultaat. Beslissingen op basis van deze output blijven de verantwoordelijkheid van de gebruiker of zijn adviseur.
De uitkomst wordt in hetzelfde logboek vastgelegd als 'afwijkend', zonder wijziging of verwijdering van de oorspronkelijke invoer. Dit maakt deel uit van de manier waarop voorspellende nauwkeurigheid in de loop van de tijd eerlijk wordt gemeten, in plaats van alleen maar gunstige resultaten te laten zien.
Signalen worden gevalideerd aan de hand van perioden buiten de steekproef voordat ze worden geregistreerd, en de betrouwbaarheidsbeoordelingen worden opnieuw gekalibreerd naarmate nieuwe uitkomstgegevens zich ophopen. Dit elimineert niet het risico dat een patroon kapot gaat, maar vermindert wel de afhankelijkheid van patronen die alleen achteraf gezien werkten.
Portefeuillespecifieke gegevens worden alleen gebruikt om aanbevelingen te genereren voor het account waartoe deze behoren. Geaggregeerde, geanonimiseerde marktgegevens dragen bij aan modeltraining; individuele holdings worden niet gedeeld of bekendgemaakt aan andere gebruikers.
Het model werkt binnen vooraf gedefinieerde risicodrempels en voert geen transacties rechtstreeks uit; het levert aanbevelingen op voor menselijke beoordeling. Het houdt ook geen rekening met informatie buiten zijn gegevensbronnen, zoals onaangekondigde wijzigingen in de regelgeving.
Een volledige beschrijving van de modelbeperkingen en risicofactoren is beschikbaar in onze documentatie over risico-informatie.
Toegang tot het volledige prestatielogboek en de modeldocumentatie is beschikbaar zonder dat u vooraf een langetermijnverplichting hoeft aan te gaan. De meeste accounts worden binnen enkele werkdagen geconfigureerd voor een eerste beoordeling.