Quilverynth spracováva trhové a prevádzkové údaje prostredníctvom neustále aktualizovaného prediktívneho modelu, pričom vytvára štruktúrované odporúčania a denný prehľad o tom, ako tieto odporúčania fungovali. Vytvorené pre profesionálov, ktorí spravujú príjem alebo kapitál bez miestneho stola.
Vzdialení pracovníci, digitálni nomádi a samoriadení investori zvyčajne pracujú v niekoľkých časových pásmach, platformách a menách naraz. Informácie o pohybe na trhu prichádzajú nerovnomerne a zvyčajné podnety, na ktoré sa spolieha obchodník od stola – počuté komentáre, cykly miestnych správ, pevný harmonogram – nie sú dostupné rovnakým spôsobom.
Výsledkom nie je nedostatok údajov. Ide o nedostatok konzistentnej metódy na jej interpretáciu pri pohybe medzi miestami a časovými pásmami. Quilverynth bol vytvorený tak, aby túto medzeru riešil priamo, s modelom, ktorý beží nepretržite bez ohľadu na to, odkiaľ je používateľ prihlásený.
Systém je organizovaný okolo troch funkcií, ktoré bežia za sebou: nepretržité prijímanie relevantných údajov, štatistické modelovanie pravdepodobného krátkodobého pohybu a prevod tohto výstupu na odporúčanie s uvedenou úrovňou spoľahlivosti.
Motor Quilverynth nevydáva ani jednu predpoveď a necháva ju statickú. Vstupy sa obnovujú priebežne a každý nový údajový bod sa porovná s existujúcim stavom modelu pred úpravou akéhokoľvek odporúčania. Tým sa znižuje pravdepodobnosť, že odporúčanie bude založené na informáciách, ktoré sú už zastarané v čase, keď si ich používateľ prečíta.
Cena, objem a relevantné externé údaje sa získavajú takmer nepretržite, a nie v pevných intervaloch, takže model nefunguje zo zastaranej snímky.
Rozpoznanie historických vzorov je kombinované so súčasnými podmienkami, aby sa vytvoril pravdepodobnostne vážený pohľad na pravdepodobný krátkodobý smer, nie zaručený výsledok.
Každé odporúčanie je sprevádzané pásmom spoľahlivosti, ktoré používateľovi poskytuje základ pre dimenzovanie rozhodnutia namiesto toho, aby považoval všetky signály za rovnocenné.
Predtým, ako sa objaví odporúčanie, model ho porovná s nedávnymi podmienkami volatility, aby skontroloval, ako by sa správalo pri porovnateľnom minulom strese.
Zjednodušený pohľad na kanál: nespracované údaje sa pred dosiahnutím modelu vyčistia a normalizujú a každý výstup modelu sa zaprotokoluje predtým, ako sa prevedie na čitateľné odporúčanie.
Transparentnosť v praxi znamená, že používateľ nemusí veriť presnosti modelu. Odporúčania každého dňa sa zaznamenávajú spolu s následným výsledkom a obe sa uchovávajú v rovnakej správe.
Formát prehľadu zostáva zo dňa na deň konštantný, takže porovnania v priebehu týždňov alebo mesiacov zostávajú zmysluplné. Ak odporúčanie nedosahuje stanovené pásmo spoľahlivosti, tento prípad sa v zázname zachová a nie odstráni.
Zámerom nie je nárokovať si bezchybné výsledky, ktoré nemôže ponúknuť žiadny prediktívny systém. Je to poskytnúť používateľom dostatok histórie, aby mohli sami posúdiť správanie modelu podľa vlastných podmienok a časového horizontu.
Predpovedanie bez rámca rizika má tendenciu produkovať sebavedomé, ale krehké rozhodnutia. Nasledujúce kroky popisujú, ako sa odporúčanie presúva z nespracovaných údajov na niečo, na čo môže používateľ konať s definovanou nevýhodou.
Prichádzajúce údaje sa kontrolujú na medzery, duplicitu a nezrovnalosti v načasovaní predtým, ako sa dostanú do modelu, čím sa znižuje šanca na rozhodnutie založené na chybných vstupoch.
Model vytvára pravdepodobnostne vážené odporúčanie spolu s pásmom spoľahlivosti, a nie jedinou fixnou inštrukciou.
Odporúčaná veľkosť pozície je obmedzená vzhľadom na uvedenú úroveň spoľahlivosti, takže signály s nižšou spoľahlivosťou nesú zodpovedajúco menšiu navrhovanú expozíciu.
Skutočný výsledok sa zaznamená oproti pôvodnému odporúčaniu v ten istý deň, čím sa cyklus uzavrie pred začiatkom ďalšieho cyklu analýzy.
Rovnaký základný model podporuje rôzne potreby rozhodovania v závislosti od toho, či príjem závisí od prevádzkovania podniku na diaľku alebo od riadenia osobnej investičnej pozície.
Majiteľ firmy pôsobiaci v niekoľkých menách potrebuje vedieť, kedy je pravdepodobné, že pohyb výmenného kurzu naruší maržu pri nadchádzajúcom prevode. Namiesto konverzie finančných prostriedkov podľa pevného plánu vlastník skontroluje v dennej správe pásma spoľahlivosti menových párov predtým, ako sa rozhodne, či previesť teraz alebo podržať.
Ilustratívna výhoda: menej prevodov vykonaných počas nepriaznivých krátkodobých výkyvov.Investor bez konzistentného prístupu k trading desku používa výstup simulácie scenára modelu, aby rozhodol, či súčasné podmienky volatility pripomínajú minulé obdobia, ktoré predchádzali čerpaniu. Rozhodnutie o vyvážení alebo držaní sa robí skôr na základe tohto porovnania než na základe fám alebo krátkodobého cenového šumu.
Ilustratívny prínos: rozhodnutia založené na zaznamenanom historickom porovnaní, nie na sentimente.Konzultant s premenlivým mesačným príjmom používa dennú správu ako alternatívu s menšou námahou k neustálemu manuálnemu prieskumu, pričom kontroluje pásmo spoľahlivosti a usmernenie expozície raz za deň, namiesto toho, aby neustále monitoroval trhy.
Ilustratívna výhoda: skrátený čas strávený manuálnym monitorovaním trhu.
Quilverynth bol vyvinutý na základe predpokladu, že prediktívne modelovanie je užitočné, keď sú jeho limity jasne uvedené. Platforma nezaručuje výsledky a žiadna časť jej správ nie je navrhnutá tak, aby naznačovala niečo iné.
To, čo poskytuje, je konzistentný, protokolovaný proces: dáta prichádzajúce, modelovanie, zaznamenávaný výsledok. Používatelia, ktorí chcú pochopiť, ako bolo odporúčanie dosiahnuté, ho môžu sledovať prostredníctvom denných prehľadov, namiesto toho, aby sa spoliehali na jediný nadpis.
Nižšie uvedené otázky sa zameriavajú skôr na to, ako sa model udržiava a ako sa narába s údajmi používateľov, než na marketingové tvrdenia o výkonnosti.
Váha modelu sa prehodnocuje priebežne, keď sa hromadia nové výstupné údaje. Akákoľvek zmena verzie základného modelu sa zaznamenáva oproti referenčnému ID viditeľnému v dennej správe, takže používatelia môžu sledovať, kedy sa správanie zmenilo.
Motor čerpá z údajov o trhových cenách a objemoch spolu s relevantnými makro a sektorovými ukazovateľmi. Každý vstupný zdroj má definovaný obnovovací interval a akékoľvek oneskorenie alebo výpadok v zdroji je v správe označený a nie ignorovaný.
áno. Pásmo spoľahlivosti opisuje štatistickú pravdepodobnosť, nie istotu. Obdobia, v ktorých skutočný výsledok presahoval uvedené pásmo, sa v histórii denného hlásenia zachovajú a nie vylúčia, čo je súčasťou toho, ako sa metodika udržiava čestná.
Údaje o účte a používaní sa uchovávajú len tak dlho, ako je potrebné na generovanie prehľadov a udržiavanie služby v súlade s nižšie uvedeným vyhlásením o ochrane osobných údajov. Používatelia môžu požiadať o podrobnosti o tom, čo sa uchováva o ich účte.
Nie. Quilverynth vytvára analýzy a odporúčania. Vykonanie akéhokoľvek výsledného rozhodnutia zostáva na používateľovi a ním zvolenom sprostredkovateľovi alebo platforme.
Vyhlásenie o ochrane osobných údajov: Quilverynth spracováva údaje o účtoch a používaní výhradne na generovanie analýzy, vykazovania a správy účtu. Údaje sa nepredávajú tretím stranám. Kontroly prístupu a šifrovanie sa používajú na uložené údaje v súlade so štandardnou praxou v odvetví pre platformy finančnej analýzy pôsobiace v Spojenom kráľovstve.
Prístup k hlavnému panelu obsahuje odporúčania pre aktuálny deň, pásma spoľahlivosti za nimi a archív historických správ, na ktorý sa odkazuje na tejto stránke. Neexistuje žiadna povinnosť konať na základe jedného odporúčania.