Boerglune – andmeanalüüs ja tehisintellekti toetatud investeerimisstrateegia lühidalt

Täpsus teie investeerimisotsuste tõendite kaudu

Boerglune ühendab ajaloolised järeltestid käimasoleva andmete hindamisega ja muudab keerulised turusuundumused arusaadavateks soovitusteks tegutsemiseks – ilma prognoosideta, mida ei saa tõestada.

Esialgne olukord

Andmemahu paradoks

Erainvestorite käsutuses on nüüd rohkem turuandmeid kui kunagi varem: hinnatrendid, uudistevood, makromajanduslikud näitajad, mahud reaalajas. Paradoksaalsel kombel ei vii see teabe üleküllus sageli mitte paremate, vaid vähem kindlate otsusteni.

Põhjus peitub andmete enda struktuuris: Suur osa liikumistest on statistiline müra, lühiajalised kõikumised, millel puudub usaldusväärne seletusväärtus. Igaüks, kes reageerib intuitiivselt, ajab selle müra lihtsalt segi tegeliku signaaliga.

Klassikalised kogemuspõhised otsustusmustrid töötati välja aeglasema turukeskkonna jaoks. Kõrge andmesagedusega keskkonnas jõuavad need oma piiridesse, sest mustreid ei saa enam kasuliku aja jooksul käsitsi ära tunda.

Signaal versus müra

Lihtsustatud esitus: lühiajalised hüpped (heledad) versus korduvad, statistiliselt olulised mustrid (tume), nagu on eraldatud järeltestimisel.
Metoodika

Boerglune'i algoritm: neli testitud sammu

Kõik Boerglune-i väljastatud soovitused läbivad sama struktureeritud protsessi. Ühtse turu vaatluse põhjal ei öelda midagi.

Samm 01

Andmete kogumine

Hinna-, mahu- ja kontekstiandmeid liidetakse pidevalt mitmest turuallikast ja struktureeritakse modelleerimiseks.

Samm 02

Tagasitestimine

Iga strateegiat testitakse ajalooliste turutsüklite, sealhulgas suurenenud volatiilsuse perioodide suhtes, enne kui seda üldse arvesse võetakse.

Samm 03

Optimeerimine

Parameetreid kohandatakse tagasitesti tulemuste põhjal eesmärgiga minimeerida riski, mitte maksimeerida lühiajalist tulu.

Samm 04

Täitmine

Alles pärast ajaloolist kinnitamist avaldatakse soovitus ja see esitatakse kasutajale koos seotud riskiprofiiliga.

Boerglune analüütikute meeskond vaatab mudeliandmeid üle
Platvormi kohta

Tööriist süstemaatilisele investorile

Boerglune on suunatud inimestele, kes soovivad luua piiratud ajaga täiendavat sissetulekuallikat ilma põhjalikku analüüsi ohverdamata. Platvorm võtab jooksva hindamise üle ja kasutaja teeb lõpliku otsuse.

Lühiajaliste kasumilubaduste asemel keskendutakse jälgitavusele: iga soovituse saab taandada selle ajaloolisele testile. See tähendab, et investorid Itaalias ja mujal on näha, millel hinnang tegelikult põhineb.

Aluseks olevaid mudeleid võrreldakse pidevalt uute turuandmetega, et hinnangud ei põhineks aegunud turutingimustel.

Funktsioonide valik

Analüüsi tehniline alus

Reaalajas

Reaalajas ülevaade

Turuandmeid töödeldakse pidevalt, nii et nihked mahus või volatiilsuses ilmnevad viivitamatult.

Modelleerimine

Ennustav modelleerimine

Statistilised mudelid tuvastavad ajalooliste andmete korduvad mustrid ja rakendavad neid praeguste turukonstellatsioonide jaoks.

Aruanded

Automatiseeritud aruanded

Analüüsid on kokku võetud regulaarsetes, arusaadavates aruannetes, ilma et oleks vaja käsitsi hinnata.

Risk

Riski hindamine

Iga soovitus klassifitseeritakse ajalooliste kõikumiste järgi, et risk ja võimalus jääksid arusaadavaks.

Läbipaistvus

Kuidas Boerglune määratleb vastupidavuse

Üksikute edunumbrite asemel selgitame, kuidas meie mudeleid testitakse ja millised on nende piirangud.

Ajalooline kinnitamine

Iga strateegiat testitakse eranditult varasemate turutsüklite suhtes, enne kui seda kasutatakse praeguste soovituste jaoks.

Käimasolev andmete ülevaatus

Mudeleid võrreldakse regulaarselt uute turuandmetega, et vältida vananenud mustritest põhjustatud moonutusi.

Avatud metoodika

Iga riskiklassifikatsiooni taga olev loogika on dokumenteeritud ja seda ei edastata üldise tululubadusena.

Vaadake metoodikat üksikasjalikult →

Aktiivne analüüs passiivse sissetuleku aluseks

Boerglune tegeleb teadlike otsuste tegemiseks vajaliku jooksva hindamisega. Säilitate kontrolli iga soovituse üle, ilma et peaksite ise andmeid igapäevaselt hindama.