Az Vellermont Trust prediktív modellezést alkalmaz a nagy volumenű piaci adatoknál, azonosítja az alacsonyabb kockázatú belépési pontokat és automatikusan ütemezi a hozzájárulásokat. A cél az, hogy csökkentsék azokat az időzítési döntéseket, amelyek az első alkalommal befektetőt elkerülhető volatilitásnak teszik ki, anélkül, hogy aktív piacfigyelést igényelnének.
Az Vellermont Trust nagy volumenű piaci adatokat – tőzsdei megbízási könyveket, láncon belüli elszámolási áramlást és makrolikviditási jeleket – feldolgoz, és ezeket minden egyes vizsgált eszköz esetében folyamatosan frissített kockázati pontszámmá konvertálja. A cél a rendszerszintű hatékonyság: kevesebb kézi döntés, csökkentett kitettség a reaktív kereskedési viselkedésnek, és a feltételek változásához igazodó hozzájárulási ütemezés, nem pedig egy naptári dátumhoz rögzített.
Ez a prediktív modellezés ugyanazon osztálya, amelyet az intézményi kockázati táblákhoz építettek, egyetlen visszatérő hozzájárulás mértékére redukálva. A modell nem változik; csak a számla mérete igen.
A piaci adatokat – az árakat, a mennyiséget, az ajánlati könyv mélységét és a láncon belüli áramlást – a rendszer folyamatosan gyűjti több forrásból, és egyetlen adathalmazba normalizálja.
A statisztikai modellek kiszűrik a zajt a jelből, és nagyobb súlyt helyeznek a közelmúltbeli piaci viselkedésre, mint a múltbeli átlagok, amelyek már nem tükrözik a jelenlegi feltételeket.
Minden egyes jelölt belépési pontot a számlanyitáskor meghatározott kockázati küszöb alapján értékelnek, így az időzítési döntésből kivonják a mérlegelési jogkört.
A hozzájárulások ütemezése és végrehajtása automatikusan történik az ellenőrzött belépési ponton, a teljes rekord pedig megmarad későbbi felülvizsgálat céljából.
A hozzájárulás ütemezése előtt a modell megbecsüli a szóban forgó eszköz valószínű rövid távú kimenetelét, ahelyett, hogy egyetlen pontos előrejelzést készítene. A volatilitás meg van jelölve, és ha az meghaladja a számla beállított küszöbértékét, a hozzájárulás halasztásra kerül, nem pedig kedvezőtlen pillanatban.
Ez egy kockázattal kiigazított célt eredményez, nem pedig garantált. A megkülönböztetés szándékos, és a beállításkor minden számlatulajdonos számára nyilvánosságra kerül, nem pedig hallgatólagosan.
Egy fix havi összeget a rendszer automatikusan allokál, az időzítést a hónapon belül a mért volatilitás, nem pedig egy statikus dátum alapján módosítják.
Minden egyes hozzájárulást a végrehajtás előtt ellenőriznek az aktuális piaci feltételekkel, csökkentve a tőkelekötés valószínűségét egy rövid távú kiugrás során.
A részesedés növekedésével a modell újraszámítja a kitettséget, és módosítja a jövőbeli hozzájárulás súlyozását, hogy a teljes kockázat a befektető által meghatározott küszöbön belül maradjon.
A megmagyarázhatatlan prediktív modelleket nehéz tőkére bízni, függetlenül azok látszólagos teljesítményétől. Az Vellermont Trust által létrehozott minden pontozott belépési pont visszavezethető azokra az adatbevitelekre és küszöbértékekre, amelyek létrehozták. Ezt rendszeres ciklusonként felülvizsgálja a modellfejlesztéstől elkülönített folyamat.
A fiók- és tranzakcióadatokat Kanadában tárolják és dolgozzák fel, nyugalmi és továbbítási állapotban titkosítják, és soha nem adják el vagy osztják meg harmadik fél marketingesekkel.
Olvassa el a módszertani tanulmánytAz Vellermont Trust arra a feltevésre épült, hogy a legtöbb korai szakaszban lévő befektető többet veszít az időzítési döntések miatt, mint az eszközválasztás miatt. Ennek a döntésnek az eltávolítása – egy érvényesített, kockázatpontos ütemezéssel való helyettesítés – a platform teljes feladata.
A csapat karbantartja a modellt, beállítja az ellenőrzési folyamatot, és nem kezeli a diszkrecionális kereskedéseket a számlatulajdonosok nevében. A platform szerepe egy előre meghatározott folyamat következetes végrehajtása, nem pedig az eredmények biztos előrejelzése.
Ismerje meg megközelítésünket