Vellermont Trust wendet prädiktive Modellierung auf großvolumige Marktdaten an, identifiziert Einstiegspunkte mit geringerem Risiko und plant Beiträge automatisch. Ziel ist es, die Zeitentscheidungen zu reduzieren, die einen Erstinvestor vermeidbarer Volatilität aussetzen, ohne dass eine aktive Marktüberwachung erforderlich ist.
Vellermont Trust erfasst umfangreiche Marktdaten – Börsenauftragsbücher, On-Chain-Abwicklungsflüsse und Makroliquiditätssignale – und wandelt sie in eine kontinuierlich aktualisierte Risikobewertung für jeden betrachteten Vermögenswert um. Das Ziel ist systemische Effizienz: weniger manuelle Entscheidungen, weniger Risiko für reaktives Handelsverhalten und ein Beitragsplan, der sich an sich ändernde Bedingungen anpasst, anstatt an einem Kalenderdatum festgeschrieben zu sein.
Hierbei handelt es sich um dieselbe Klasse von Vorhersagemodellen, die für institutionelle Risikoabteilungen entwickelt wurden und auf den Umfang eines einzelnen wiederkehrenden Beitrags reduziert sind. An den Modelländerungen ändert sich nichts; Das gilt nur für die Größe des Kontos.
Marktdaten – Preis, Volumen, Orderbuchtiefe und On-Chain-Flow – werden kontinuierlich aus mehreren Quellen gesammelt und in einem einzigen Datensatz normalisiert.
Statistische Modelle filtern Rauschen aus Signalen und gewichten das aktuelle Marktverhalten stärker als historische Durchschnittswerte, die nicht mehr die aktuellen Bedingungen widerspiegeln.
Jeder Einstiegspunkt eines Kandidaten wird anhand eines bei der Kontoeröffnung festgelegten Risikoschwellenwerts bewertet, wodurch ein Ermessensspielraum bei der zeitlichen Entscheidung entfällt.
Beiträge werden am validierten Einstiegspunkt automatisch geplant und ausgeführt, wobei ein vollständiger Datensatz zur späteren Überprüfung aufbewahrt wird.
Bevor ein Beitrag geplant wird, schätzt das Modell eine Reihe wahrscheinlicher kurzfristiger Ergebnisse für den betreffenden Vermögenswert, anstatt eine einzelne Punktprognose zu erstellen. Volatilität wird gekennzeichnet und wenn sie den konfigurierten Schwellenwert des Kontos überschreitet, wird der Beitrag zurückgestellt und nicht zu einem ungünstigen Zeitpunkt ausgeführt.
Dies führt zu einem risikoadjustierten Ziel und nicht zu einem garantierten. Die Unterscheidung ist bewusst und wird jedem Kontoinhaber bei der Einrichtung mitgeteilt und nicht implizit gelassen.
Ein fester monatlicher Betrag wird automatisch zugewiesen, wobei der Zeitpunkt innerhalb des Monats basierend auf der gemessenen Volatilität und nicht auf einem statischen Datum angepasst wird.
Jeder Beitrag wird vor der Ausführung anhand der aktuellen Marktbedingungen überprüft, wodurch die Wahrscheinlichkeit einer Kapitalbindung während eines kurzfristigen Anstiegs verringert wird.
Wenn die Bestände wachsen, berechnet das Modell das Engagement neu und passt die künftige Beitragsgewichtung an, um das Gesamtrisiko innerhalb der vom Anleger angegebenen Schwelle zu halten.
Vorhersagemodellen, die nicht erklärt werden können, ist es schwer, Kapital zu vertrauen, unabhängig von ihrer scheinbaren Leistung. Jeder von Vellermont Trust erzeugte bewertete Einstiegspunkt kann auf die spezifischen Dateneingaben und Schwellenwerte zurückgeführt werden, die ihn generiert haben. Dies wird in regelmäßigen Abständen durch einen von der Modellentwicklung getrennten Prozess überprüft.
Konto- und Transaktionsdaten werden in Kanada gespeichert und verarbeitet, im Ruhezustand und während der Übertragung verschlüsselt und niemals verkauft oder an Drittvermarkter weitergegeben.
Lesen Sie das Whitepaper zur MethodikVellermont Trust wurde unter der Prämisse entwickelt, dass die meisten Frühphaseninvestoren mehr durch Timing-Entscheidungen verlieren als durch die Auswahl der Vermögenswerte. Diese Entscheidung aufzuheben – sie durch einen validierten, risikobewerteten Zeitplan zu ersetzen – ist die gesamte Funktion der Plattform.
Das Team pflegt das Modell, legt den Prüfungsprozess fest und verwaltet keine diskretionären Geschäfte im Namen der Kontoinhaber. Die Rolle der Plattform besteht darin, einen vordefinierten Prozess konsistent auszuführen, und nicht darin, Ergebnisse mit Sicherheit vorherzusagen.
Erfahren Sie mehr über unseren Ansatz