分析の仕組み
モデリングの各段階を文書化して、クライアントが推奨事項がどのように作成されたかを正確に理解できるようにします。
市場指数、マクロ経済指標、口座レベルのデータはローリングベースで収集および正規化され、取引日ごとに更新されます。
統計モデルは、時間の経過に伴う信頼性によって重み付けされ、過去の状況とその後の結果の間の繰り返しの関係を特定します。
すべての候補戦略は、それが提示される前に数十年にわたる過去の市場サイクルに照らして実行されるため、ストレス下でのその行動は事前にわかっています。
出力には仮定と信頼範囲が添付されて表示されるため、各推奨事項を鵜呑みにするのではなく確認することができます。
すべてのデータ ソースはログに記録され、バージョン管理されます。モデルの信頼性が内部しきい値を下回る場合、その期間に対して推奨事項は生成されません。
コア機能
このプラットフォームは単一の予測ではなく、予想される結果の分布を提示するため、現実的な最善のシナリオと最悪のシナリオに照らして意思決定を比較検討できます。
ポートフォリオとポジションの制限は、定義されたリスク許容度に照らして継続的にチェックされ、集中やドローダウンリスクが悪化する前に警告されます。
新しいデータが到着すると推奨事項が再計算されるため、ボラティリティや相関関係の変化に応じて割り当てを再バランスすることができます。
パフォーマンス、リスク、および方法論のレポートは一定の頻度で生成され、内部レビューまたは規制上の記録管理用にフォーマットされます。
パフォーマンスの検証
モデルに基づく割り当てと、15 年間のバックテスト期間にわたって毎年再バランスされた静的ベンチマーク割り当てとの比較例。
バックテスト期間全体を通じて、モデルに基づく配分により、ボラティリティが高いと特定された 4 つの期間のうち 3 つにおいて、静的ベンチマークと比較してピークから谷までのドローダウンが減少しました。アウトパフォーマンスは 12 か月ごとに一貫したものではありませんでした。観察された主な効果は、成長の加速ではなく景気後退時の安定でした。
バックテストされたパフォーマンスは、過去のデータとモデル化された仮定を反映しています。これは実際の取引を表すものではなく、将来の結果を保証するものではありません。過去のパフォーマンスは、実際かシミュレーションかを問わず、将来の収益を予測するものではありません。示されている図は方法論を説明するものであり、クライアント固有の結果ではありません。
家族の財産の保全
多くの世帯では、退職日、住宅ローンの期間、子供の教育など、貯蓄期間が定められており、途中での突然の損失を吸収する能力は限られています。
Google Finance Ai は、特定の期間における成長と安定性の間のトレードオフをモデル化し、残り時間が短くなりリスク許容度が狭まるにつれて推奨事項を調整します。
機関データの最適化
複数の顧客からの委託を管理する企業は、ポートフォリオごとに手動で分析を再実行することなく、ポートフォリオ全体で一貫性を保つ必要があります。
このプラットフォームは、企業の顧客ベース全体に同じバックテスト済みのロジックを適用し、アナリストがすべてのアカウントを個別にチェックするのではなく、人間によるレビューが必要な例外を明らかにします。
よくある質問
アカウントとポートフォリオのデータは、転送中も保存中も暗号化されます。アクセスは、実行される特定の機能に必要なシステムと担当者に限定され、データが第三者に販売されたり、無関係の商用モデルのトレーニングに使用されることはありません。
市場を確実に予測するモデルはありません。当社のアプローチは、各推奨事項とともに信頼範囲を報告し、展開前にサンプル外の過去の期間に対して検証されるため、精度の数値は、曲線に当てはめた結果ではなく、実際のバックテストされたパフォーマンスを反映します。
アドバイザリー会社の場合、通常、最初のデータ接続と検証は、定義されたオンボーディング期間にわたって行われ、その後、完全に導入される前にモデルの出力を既存のプロセスと並行してレビューする並行実行フェーズが続きます。