Ruvra Fynel analyse les données de marché en temps réel et compare les résultats avec des stratégies back-testées sur des décennies, de sorte que vous négociez sur la base de modèles plutôt que d'instincts.
Ruvra Fynel combine des ensembles de données historiques avec des informations continues sur le marché pour identifier les modèles répétitifs avant qu'ils ne deviennent visibles dans les tableaux de bord grand public. Les modèles sont continuellement mis à jour en fonction de nouveaux points de données.
La plateforme a été développée pour les professionnels qui travaillent déjà dans la gestion de portefeuille et qui ont besoin d'un outil qui documente ses hypothèses plutôt que de promettre des résultats sans preuves.
Le modèle est construit autour de deux fonctions principales : l'analyse prédictive et l'atténuation des risques. Les deux parties fonctionnent sur la même base de données, mais résolvent des tâches différentes.
Le modèle identifie des tendances dans les mouvements de prix, le volume et la volatilité sur plusieurs horizons temporels. La précision algorithmique est obtenue en testant chaque modèle sur des périodes de données indépendantes avant de l'inclure dans les recommandations.
L’exposition est calculée en permanence pour toutes les positions et classes d’actifs. À mesure que les corrélations augmentent, le modèle ajuste automatiquement les pondérations de risque, sans nécessiter de recalcul manuel du portefeuille.
Tous les signaux sont documentés avec la période de données par rapport à laquelle ils sont testés. Cela permet de vérifier pourquoi une recommandation a été faite, plutôt que de traiter avec une boîte noire.
Le processus est divisé en quatre phases. Chaque phase est documentée afin que le résultat puisse être vérifié ultérieurement.
Les données de marché, les séries de prix et les indicateurs macro sont continuellement extraits de sources structurées et nettoyés des erreurs et des valeurs aberrantes.
Le modèle compare les tendances actuelles des données avec les modèles historiques pour évaluer les résultats probables.
Chaque signal est testé par rapport à des périodes historiques indépendantes avant de pouvoir influencer une recommandation.
Les recommandations validées sont présentées avec des hypothèses et des paramètres de risque, prêtes pour une action manuelle ou contrôlée par le système.
Ce qui suit montre comment le modèle adapte son approche aux caractéristiques de la classe d'actifs.
| Classe d'actifs | Défi typique | Approche modèle | Point de données surveillé |
|---|---|---|---|
| Actions | Fluctuations soudaines des prix selon le flux d'informations | Ajustement de la volatilité basé sur la corrélation sectorielle | Plus de 40 indicateurs par secteur |
| Devise | Décisions en matière de taux d’intérêt et changements macroéconomiques | Modélisation de scénarios par rapport aux cycles historiques des taux d’intérêt | 12 paires de devises surveillées |
| Matières premières | Chocs d’offre et fluctuations saisonnières des prix | Reconnaissance de formes sur des séries saisonnières pluriannuelles | 8 catégories de matières premières |
Les données sont cryptées pendant le transport et pendant le stockage. L'accès aux données du compte est limité aux systèmes qui en ont besoin pour effectuer l'analyse et est enregistré séparément du module d'analyse lui-même.
La plateforme offre un accès API à l'extraction de données et aux signaux, de sorte que les résultats peuvent être inclus dans vos propres systèmes de portefeuille ou outils de reporting sans exportation manuelle.
Toutes les stratégies sont testées sur des périodes de données historiques qui n'ont pas été incluses dans la formation du modèle. Les conditions préalables et la durée du test sont documentées avec le résultat, afin que la méthode puisse être vérifiée.
La plateforme est conçue pour les utilisateurs ayant une compréhension de base de la gestion de portefeuille. Les recommandations sont présentées avec des prérequis, afin que la décision appartienne à l'utilisateur.
Les données de marché sont chargées en continu tout au long de la journée de négociation. Les paramètres du modèle sont examinés et ajustés à une cadence fixe en fonction des nouveaux résultats de backtest.
Ruvra Fynel est conçu pour les professionnels qui exigent des résultats valides plutôt que des hypothèses vagues. Créez un accès et voyez comment le modèle évalue vos positions actuelles.