Az Google Finance Ai prediktív modelleket alkalmaz a történelmi és élő piaci adatokra, és inkább mérhető bizonyítékokra, semmint érzelmekre épít ajánlásokat. Minden stratégiát tesztelünk a múltbeli feltételekkel, mielőtt elérné a fiókját.
Hogyan működik az elemzés
Modellezésünk minden szakaszát dokumentáljuk, hogy az ügyfelek pontosan megértsék, hogyan készült az ajánlás.
A piaci indexeket, makrogazdasági mutatókat és számlaszintű adatokat gördülő alapon gyűjtik és normalizálják, minden kereskedési napon frissítve.
A statisztikai modellek ismétlődő kapcsolatokat azonosítanak a történelmi feltételek és a későbbi eredmények között, időbeli megbízhatóságukkal súlyozva.
Minden jelölt stratégiát több évtizedes korábbi piaci ciklusokkal szembeállítanak, mielőtt bemutatják, így stresszhelyzetben való viselkedése előre ismert.
A kimeneteket a feltevések és a megbízhatósági tartományok csatolásával mutatják be, lehetővé téve az egyes ajánlások ellenőrzését, nem pedig a hit alapján.
Minden adatforrás naplózott és verzió-vezérelt. Ha egy modell bizalma a belső küszöbünk alá esik, akkor erre az időszakra nem készül ajánlás.
Alapvető képességek
Egyetlen előrejelzés helyett a platform a valószínű eredmények eloszlását mutatja be, így a döntéseket össze lehet vetni a reális legjobb és legrosszabb forgatókönyvekkel.
A portfólió- és pozíciólimiteket folyamatosan ellenőrzik a meghatározott kockázati tűréshatárok, a jelzőkoncentráció vagy a lehívási kockázat alapján, mielőtt azok összefonódnak.
Az ajánlásokat az új adatok érkezésekor újraszámolják, ami lehetővé teszi az allokációk újraegyensúlyozását a volatilitás vagy a korreláció változásaira válaszul.
A teljesítmény-, kockázat- és módszertani jelentések rögzített ütemben készülnek, belső felülvizsgálatra vagy szabályozási nyilvántartásra formázva.
Teljesítményellenőrzés
A modellvezérelt allokáció szemléltető összehasonlítása egy statikus benchmark allokációval, amelyet évente újraegyensúlyoznak egy tizenöt éves visszatesztelési időszak során.
A visszatesztelési időszak során a modellvezérelt allokációk csökkentették a csúcstól a mélypontig történő lehívásokat a statikus benchmarkhoz képest a nagy volatilitásúként azonosított négy időszak közül háromban. A felülteljesítés nem volt egyenletes minden tizenkét hónapos ablakban; a visszaesések stabilitása, nem pedig a növekedés felgyorsulása volt az elsődleges megfigyelt hatás.
A visszaellenőrzött teljesítmény múltbeli adatokat és modellezett feltételezéseket tükröz. Nem jelenti a tényleges kereskedést, és nem garancia a jövőbeni eredményekre. A múltbeli teljesítmény, akár tényleges, akár szimulált, nem vetíti előre a jövőbeli hozamokat. A bemutatott ábrák a módszertant szemléltetik, és nem ügyfél-specifikus eredmények.
Családi vagyon megőrzése
Sok háztartásnak meghatározott megtakarítási horizontja van – nyugdíjba vonulás dátuma, jelzáloghitel futamideje, gyermek oktatása – és korlátozott a képessége a hirtelen veszteségek befogadására.
Az Google Finance Ai modellezi a növekedés és a stabilitás közötti kompromisszumot az adott horizonton, és módosítja az ajánlásokat, ahogy a hátralévő idő rövidül és a kockázati tolerancia szűkül.
Intézményi adatoptimalizálás
A több ügyfél megbízását kezelő cégeknek konzisztenciára van szükségük a portfóliók között anélkül, hogy mindegyikhez manuálisan újra kellene futtatni az elemzést.
A platform ugyanazt a visszaellenőrzött logikát alkalmazza a cég teljes ügyfélkörében, és olyan kivételeket hoz létre, amelyek emberi felülvizsgálatot igényelnek, nem pedig az elemzőktől, hogy minden fiókot külön-külön ellenőrizzenek.
Gyakran ismételt kérdések
A számla- és portfólióadatok átvitel közben és nyugalmi állapotban is titkosítva vannak. A hozzáférés az adott funkcióhoz szükséges rendszerekre és személyzetre korlátozódik, és az adatokat soha nem adják el harmadik feleknek, és nem használják fel nem kapcsolódó kereskedelmi modellek képzésére.
Egyetlen modell sem jósolja meg biztosan a piacokat. Megközelítésünk megbízhatósági tartományt jelent az egyes ajánlások mellett, és a mintán kívüli múltbeli periódusok alapján érvényesítjük az üzembe helyezés előtt, így a pontossági adatok a valódi visszaellenőrzött teljesítményt tükrözik, nem pedig a görbére illesztett eredményeket.
A tanácsadó cégek esetében a kezdeti adatkapcsolat és az érvényesítés jellemzően egy meghatározott beépítési időszak alatt zajlik, amit egy párhuzamos futási szakasz követ, ahol a modell kimenetét a meglévő folyamatok mellett felülvizsgálják a teljes elfogadás előtt.
Nem szükséges kártya. Nem köteles folytatni az első felülvizsgálatot követően.