Ruvra Fynel analizza i dati di mercato in tempo reale e confronta i risultati con strategie comprovate nel corso di decenni, così puoi fare trading in base a modelli piuttosto che a sensazioni viscerali.
Ruvra Fynel combina set di dati storici con input di mercato continui per identificare modelli ripetitivi prima che diventino visibili nei dashboard tradizionali. I modelli vengono continuamente aggiornati sulla base di nuovi punti dati.
La piattaforma è stata sviluppata per i professionisti che già lavorano con la gestione del portafoglio e che necessitano di uno strumento che ne documenti le ipotesi piuttosto che promettere risultati senza prove.
Il modello è costruito attorno a due funzioni principali: analisi predittiva e mitigazione del rischio. Entrambe le parti lavorano sulla stessa base di dati, ma risolvono compiti diversi.
Il modello identifica il riconoscimento dei modelli nei movimenti dei prezzi, nel volume e nella volatilità su più orizzonti temporali. La precisione algoritmica si ottiene testando ciascun modello rispetto a periodi di dati indipendenti prima che venga incluso nelle raccomandazioni.
L'esposizione viene calcolata continuamente tra posizioni e classi di attività. All’aumentare delle correlazioni, il modello adegua automaticamente i pesi del rischio, senza richiedere il ricalcolo manuale del portafoglio.
Tutti i segnali sono documentati con il periodo di dati rispetto al quale vengono testati. Ciò consente di verificare il motivo per cui è stata formulata una raccomandazione, invece di avere a che fare con una scatola nera.
Il processo è diviso in quattro fasi. Ogni fase viene documentata in modo che il risultato possa essere verificato successivamente.
I dati di mercato, le serie di prezzi e gli indicatori macro vengono continuamente recuperati da fonti strutturate e ripuliti da errori e valori anomali.
Il modello confronta le tendenze attuali dei dati con i modelli storici per valutare i probabili risultati.
Ogni segnale viene testato rispetto a periodi storici indipendenti prima di poter influenzare una raccomandazione.
Le raccomandazioni convalidate vengono presentate con ipotesi e parametri di rischio, pronti per un'azione manuale o controllata dal sistema.
Di seguito viene mostrato come il modello adatta il suo approccio alle caratteristiche dell'asset class.
| Classe di attività | Sfida tipica | Approccio modello | Punto dati monitorato |
|---|---|---|---|
| Azioni | Improvvise fluttuazioni dei prezzi in base al flusso di notizie | Aggiustamento per la volatilità basato sulla correlazione settoriale | Oltre 40 indicatori per settore |
| Valuta | Decisioni sui tassi di interesse e cambiamenti macroeconomici | Modellazione di scenari rispetto ai cicli storici dei tassi di interesse | 12 coppie di valute monitorate |
| Materie prime | Shock di offerta e fluttuazioni stagionali dei prezzi | Riconoscimento di pattern su serie stagionali pluriennali | 8 categorie di materie prime |
I dati vengono crittografati durante il trasporto e l'archiviazione. L'accesso ai dati dell'account è limitato ai sistemi che lo richiedono per eseguire l'analisi e viene registrato separatamente dal modulo di analisi stesso.
La piattaforma offre accesso API all'estrazione dei dati e ai segnali, in modo che i risultati possano essere inclusi nei propri sistemi di portafoglio o strumenti di reporting senza esportazione manuale.
Tutte le strategie vengono testate rispetto a periodi di dati storici che non sono stati inclusi nell'addestramento del modello. I prerequisiti e il periodo di prova vengono documentati insieme al risultato, in modo che il metodo possa essere verificato.
La piattaforma è progettata per gli utenti con una conoscenza di base della gestione del portafoglio. Le raccomandazioni vengono presentate con prerequisiti, in modo che la decisione rimanga all'utente.
I dati di mercato vengono caricati continuamente durante tutta la giornata di negoziazione. I parametri del modello vengono rivisti e adeguati a cadenza fissa in base ai nuovi risultati del backtest.
Ruvra Fynel è progettato per i professionisti che richiedono risultati validi piuttosto che ipotesi vaghe. Crea l'accesso e guarda come il modello valuta le tue posizioni attuali.