Ruvra Fynel analysiert Echtzeit-Marktdaten und vergleicht die Ergebnisse mit Backtest-Strategien über Jahrzehnte, sodass Sie nach Mustern und nicht nach Bauchgefühl handeln.
Ruvra Fynel kombiniert historische Datensätze mit laufenden Markteingaben, um sich wiederholende Muster zu identifizieren, bevor sie in Mainstream-Dashboards sichtbar werden. Die Modelle werden kontinuierlich auf Basis neuer Datenpunkte aktualisiert.
Die Plattform wurde für Fachleute entwickelt, die bereits mit Portfoliomanagement arbeiten und ein Tool benötigen, das dessen Annahmen dokumentiert, anstatt Ergebnisse ohne Beweise zu versprechen.
Das Modell basiert auf zwei Kernfunktionen: prädiktive Analyse und Risikominderung. Beide Teile arbeiten auf der gleichen Datenbasis, lösen aber unterschiedliche Aufgaben.
Das Modell identifiziert Mustererkennung in Preisbewegungen, Volumen und Volatilität über mehrere Zeithorizonte. Algorithmuspräzision wird erreicht, indem jedes Muster anhand unabhängiger Datenperioden getestet wird, bevor es in die Empfehlungen aufgenommen wird.
Das Exposure wird kontinuierlich über Positionen und Anlageklassen hinweg berechnet. Wenn die Korrelationen zunehmen, passt das Modell die Risikogewichte automatisch an, ohne dass eine manuelle Neuberechnung des Portfolios erforderlich ist.
Alle Signale werden mit dem Datenzeitraum dokumentiert, anhand dessen sie getestet wurden. Dies ermöglicht es, zu überprüfen, warum eine Empfehlung ausgesprochen wurde, anstatt sich mit einer Blackbox auseinandersetzen zu müssen.
Der Prozess ist in vier Phasen unterteilt. Jede Phase wird dokumentiert, sodass das Ergebnis später überprüft werden kann.
Marktdaten, Preisreihen und Makroindikatoren werden kontinuierlich aus strukturierten Quellen abgerufen und von Fehlern und Ausreißern bereinigt.
Das Modell vergleicht aktuelle Datentrends mit historischen Mustern, um wahrscheinliche Ergebnisse zu bewerten.
Jedes Signal wird anhand unabhängiger historischer Zeiträume getestet, bevor es Einfluss auf eine Empfehlung nehmen darf.
Validierte Empfehlungen werden mit Annahmen und Risikoparametern präsentiert und stehen für manuelle oder systemgesteuerte Maßnahmen bereit.
Im Folgenden wird gezeigt, wie das Modell seinen Ansatz an die Eigenschaften der Anlageklasse anpasst.
| Anlageklasse | Typische Herausforderung | Modellansatz | Überwachter Datenpunkt |
|---|---|---|---|
| Aktien | Plötzliche Preisschwankungen im Nachrichtenfluss | Volatilitätsanpassung basierend auf Sektorkorrelation | Über 40 Indikatoren pro Sektor |
| Währung | Zinsentscheidungen und makroökonomische Veränderungen | Szenariomodellierung anhand historischer Zinszyklen | 12 Währungspaare überwacht |
| Rohstoffe | Angebotsschocks und saisonale Preisschwankungen | Mustererkennung über mehrjährige Saisonreihen | 8 Rohstoffkategorien |
Daten werden beim Transport und bei der Speicherung verschlüsselt. Der Zugriff auf Kontodaten ist auf die Systeme beschränkt, die ihn zur Durchführung der Analyse benötigen, und wird getrennt vom Analysemodul selbst protokolliert.
Die Plattform bietet API-Zugriff auf Datenextraktion und Signale, sodass Ergebnisse ohne manuellen Export in eigene Portfoliosysteme oder Reporting-Tools integriert werden können.
Alle Strategien werden anhand historischer Datenperioden getestet, die nicht in das Training des Modells einbezogen wurden. Voraussetzungen und Testzeitraum werden zusammen mit dem Ergebnis dokumentiert, sodass die Methode verifiziert werden kann.
Die Plattform richtet sich an Benutzer mit grundlegenden Kenntnissen im Portfoliomanagement. Empfehlungen werden mit Voraussetzungen präsentiert, so dass die Entscheidung beim Nutzer verbleibt.
Marktdaten werden während des gesamten Handelstages kontinuierlich geladen. Modellparameter werden in einem festen Rhythmus basierend auf neuen Backtest-Ergebnissen überprüft und angepasst.
Ruvra Fynel wurde für Profis entwickelt, die valide Ergebnisse statt vager Annahmen fordern. Erstellen Sie einen Zugang und sehen Sie, wie das Modell Ihre aktuellen Positionen bewertet.