方法论
Vexquant 的流程是为了检查而构建的，而不是为了相信而建立的。下面的每个阶段都会产生一个被记录的中间输出，因此可以在事后追踪从原始数据到推荐的路径。
价格、交易量以及链上或市场深度数据定期从多个来源获取，并在使用前检查是否存在差距或不一致。
根据历史数据训练的模型可以识别变量之间的重复关系，而这些关系很难在大型数据集中手动隔离。
每个检测到的模式都会针对样本外数据进行测试，以过滤出在发现的时间段之后不再存在的信号。
在得知任何结果之前，幸存的信号会被转换为经过风险调整的建议、加盖时间戳并写入公共绩效日志。
核心能力
下面的每个工具都解决了风险管理者或投资者通常必须手动回答的不同问题。 Vexquant 不能取代该判断；它将数据范围缩小到统计相关的范围。
资产和头寸根据历史波动带进行评分，标记偏离投资组合规定风险承受能力的风险敞口。
投资组合可以针对模拟的市场低迷和流动性冲击来运行，以在资本面临风险之前估计回撤。
确定以前不相关的持股何时开始一起移动，这是集中风险的常见早期指标。
根据每个资产类别的预测准确性分数而不是静态的经验法则提出权重调整。
每个建议都带有根据回测准确性得出的置信度评级，因此可以对低置信度信号进行相应的加权。
可导出的报告以适合内部风险委员会的格式总结了模型输入、假设和结果。
绩效透明度
Vexquant 没有公布一项记录，而是发布了一项记录。在得知结果之前，每个建议都会记录一个时间戳，一旦解决，无论有利与否，结果都会被记录。
| 记录日期 | 资产类别 | 推荐 | 信心 | 结果状态 |
|---|---|---|---|---|
| 2024-11-03 | 数字资产，大盘 | 减少接触 | 中等 | 已解决 — 已对齐 |
| 2024-11-18 | 股票，跨行业 | 持有并监控波动性 | 高 | 已解决 — 已对齐 |
| 2024-12-02 | 数字资产，中型股 | 增加分配 | 低 | 已解决——分歧 |
| 2024-12-21 | 固定收益代理 | 维持立场 | 高 | 待解决 |
每个日志条目都链接回用于生成它的数据快照和模型版本。条目只能附加；过去的建议永远不会在事后编辑或删除，包括信号不成立的情况。
一旦给定建议的解决窗口关闭，就会使用原始条目中引用的相同数据源自动分配结果标签，因此评分标准在整个日志中保持一致。
使用案例
Vexquant 用户中的两种重复出现的模式说明了相同的底层模型如何应用于不同的任务。
企业金库
问题陈述： 持有部分数字资产储备的财务团队需要一种可重复的方式来调整头寸规模，而不能仅仅依赖内部情绪或临时分析师的电话。
方法和结果： 风险评分和情景建模应用于现有持仓，产生每周的置信度调整范围。决定权仍由财务委员会决定；该模型的作用是缩小合理行为的范围并记录每项行为背后的推理。
私人投资组合
问题陈述： 一位管理多个数字资产的个人投资组合的投资者希望在高波动时期对情绪决策进行独立的、基于数据的检查。
方法和结果： 当被认为是多元化的持股开始同步移动时，相关性映射就会减弱，从而促使在更广泛的撤资之前进行重新平衡。公共日志允许投资者在再次对类似信号采取行动之前将信号的声明信心与其实际结果进行比较。
常见问题解答
不会。Vexquant 会生成具有规定置信度的数据驱动建议，并公开记录以供审核。它不提供个性化的财务建议，也不保证结果。基于这些输出的决策仍然由用户或其顾问负责。
结果被记录在同一日志中作为“分歧”，而不改变或删除原始条目。这是如何随着时间的推移诚实地衡量预测准确性的一部分，而不仅仅是展示有利的结果。
在记录之前，信号会根据样本外周期进行验证，并且随着新结果数据的积累，置信度会重新校准。这并不能消除模式崩溃的风险，但它减少了对事后才起作用的模式的依赖。
投资组合特定数据仅用于为其所属账户生成建议。汇总、匿名的市场数据有助于模型训练；个人持有的资产不会与其他用户共享或披露。
该模型在预定义的风险阈值内运行，并不直接执行交易；它会提出供人工审核的建议。它还不考虑其数据源之外的信息，例如未宣布的监管变化。
模型限制和风险因素的完整描述可在我们的 风险披露文件。
无需预先做出长期承诺即可访问完整的性能日志和模型文档。大多数帐户都会在几个工作日内完成初步审核的配置。