Google Finance Ai aplikuje prediktívne modely na historické a aktuálne trhové údaje a vytvára odporúčania postavené na merateľných dôkazoch, nie na sentimente. Každá stratégia je testovaná oproti minulým podmienkam predtým, ako sa dostane na váš účet.
Ako funguje analýza
Dokumentujeme každú fázu nášho modelovania, aby klienti presne pochopili, ako bolo odporúčanie vytvorené.
Trhové indexy, makroekonomické ukazovatele a údaje na úrovni účtu sa zhromažďujú a normalizujú priebežne, obnovujú sa počas každého obchodného dňa.
Štatistické modely identifikujú opakujúce sa vzťahy medzi historickými podmienkami a následnými výsledkami, vážené ich spoľahlivosťou v čase.
Každá kandidátska stratégia sa pred predstavením opiera o desaťročia predchádzajúcich trhových cyklov, takže jej správanie v strese je vopred známe.
Výstupy sú prezentované s priloženými predpokladmi a rozsahmi spoľahlivosti, čo umožňuje každé odporúčanie skôr skontrolovať, ako veriť.
Všetky zdroje údajov sú protokolované a riadené verziou. Ak spoľahlivosť modelu klesne pod náš interný prah, nevygeneruje sa žiadne odporúčanie pre toto obdobie.
Základné schopnosti
Namiesto jednej prognózy platforma predstavuje rozloženie pravdepodobných výsledkov, takže rozhodnutia možno porovnať s realistickými najlepšími a najhoršími scenármi.
Portfóliové a pozičné limity sa priebežne kontrolujú vzhľadom na definované tolerancie rizika, značnú koncentráciu alebo riziko čerpania predtým, než sa zlúči.
Odporúčania sa prepočítavajú, keď prichádzajú nové údaje, čo umožňuje opätovné vyváženie alokácií v reakcii na zmeny volatility alebo korelácie.
Správy o výkonnosti, rizikách a metodológii sa generujú s pevnou kadenciou a sú naformátované na internú kontrolu alebo na uchovávanie regulačných záznamov.
Overenie výkonu
Ilustratívne porovnanie alokácie riadenej modelom so statickou alokáciou benchmarku, ktorá sa každoročne prehodnocuje počas pätnásťročného spätného testovania.
Počas obdobia spätného testu alokácie riadené modelom znížili čerpanie od vrcholu k najnižšej hodnote v porovnaní so statickým benchmarkom počas troch zo štyroch období identifikovaných ako vysoká volatilita. Lepšia výkonnosť nebola konzistentná v každom dvanásťmesačnom okne; primárnym pozorovaným účinkom bola skôr stabilita pri poklesoch ako zrýchlenie rastu.
Spätne testovaná výkonnosť odráža historické údaje a modelované predpoklady. Nepredstavuje skutočné obchodovanie a nie je zárukou budúcich výsledkov. Minulá výkonnosť, či už skutočná alebo simulovaná, nepredpovedá budúce výnosy. Uvedené čísla ilustrujú metodológiu a nie sú špecifické pre klienta.
Zachovanie rodinného bohatstva
Mnohé domácnosti majú definovaný horizont sporenia – dátum odchodu do dôchodku, splatnosť hypotéky, vzdelanie dieťaťa – a obmedzenú schopnosť absorbovať náhle straty.
Google Finance Ai modeluje kompromis medzi rastom a stabilitou pre daný konkrétny horizont, pričom upravuje odporúčania, keď sa zostávajúci čas skracuje a tolerancia rizika sa zužuje.
Optimalizácia inštitucionálnych dát
Firmy spravujúce viacero klientskych mandátov potrebujú konzistentnosť naprieč portfóliami bez manuálneho opätovného spustenia analýzy každého z nich.
Platforma uplatňuje rovnakú spätne testovanú logiku v rámci celej klientskej základne firmy, pričom sa vynárajú výnimky, ktoré si vyžadujú kontrolu človekom, namiesto toho, aby analytici kontrolovali každý účet jednotlivo.
Často kladené otázky
Údaje o účte a portfóliu sú šifrované počas prenosu aj v pokoji. Prístup je obmedzený na systémy a personál potrebný na vykonávanie konkrétnej funkcie a údaje sa nikdy nepredávajú tretím stranám ani sa nepoužívajú na školenie nesúvisiacich komerčných modelov.
Žiadny model nepredpovedá trhy s istotou. Náš prístup uvádza rozsah spoľahlivosti spolu s každým odporúčaním a je overený oproti historickým obdobiam mimo vzorky pred nasadením, takže údaje o presnosti odrážajú skutočný spätne testovaný výkon a nie výsledky prispôsobené krivke.
V prípade poradenských firiem sa počiatočné pripojenie údajov a overenie zvyčajne uskutočňujú počas definovaného obdobia registrácie, po ktorom nasleduje fáza paralelného spustenia, v ktorej sa výstup modelu preverí spolu s existujúcimi procesmi pred úplným prijatím.
Nevyžaduje sa žiadna karta. Po prvej kontrole nie je potrebné pokračovať.