Lturner stosuje modele predykcyjne do ustrukturyzowanych i nieustrukturyzowanych danych rynkowych, tworząc rekomendacje, które są rejestrowane, datowane i możliwe do przeglądu. Po fakcie nie wiąże się żadnej narracji z rezultatem.
Proces jest sekwencyjny i podlega audytowi. Na każdym etapie powstaje zapis, który wpływa na następny, więc dane wyjście można zawsze powiązać z danymi wejściowymi.
Dane rynkowe, głębokość księgi zamówień i publikacje makroekonomiczne są normalizowane w ramach wspólnego schematu, zanim jakikolwiek model je dostrzeże.
Statystycznie istotne zmienne pochodzą z surowych danych — grupowania zmienności, zmian płynności, dryfu korelacji — i są ważone według aktualności.
Zespół modeli predykcyjnych ocenia prawdopodobne wyniki w określonych horyzontach czasowych, a każdy wynik jest oznaczony przedziałem ufności.
Zalecenia wykraczające poza wstępnie zdefiniowane progi ryzyka są oznaczane lub odrzucane przed dotarciem do pulpitu nawigacyjnego.
Ostateczna rekomendacja wraz ze ścieżką danych pomocniczych jest zapisywana w codziennym dzienniku audytu – w stanie nieedytowanym.
Każda moc wytworzona przez silnik jest rejestrowana w dniu jej wyprodukowania, niezależnie od późniejszego zachowania rynku.
Każdy wpis zawiera migawkę danych wejściowych, zastosowaną wersję modelu i wynikowy wynik, oznaczony znacznikiem czasu i przechowywany bez korekty wstecznej.
Wyniki modelu porównuje się z rzeczywistymi ruchami na rynku w tym samym horyzoncie czasowym, a wyniki są agregowane co tydzień, aby wcześnie wykryć dryf lub degradację.
Kiedy zmienność lub korelacja przekracza skonfigurowany próg, system generuje alert, zamiast po cichu dostosowywać własne parametry.
Ten sam podstawowy silnik obsługuje dwie różne grupy odbiorców, z których każda wykorzystuje swoje wyniki do podejmowania innego rodzaju decyzji.
Zalecenia dotyczące wielkości pozycji i ponownego równoważenia są generowane na podstawie ocen ryzyka skorygowanych o zmienność, a nie na podstawie reguł stałej alokacji, co pozwala na zmianę ekspozycji w miarę zmiany warunków.
Stosowane do portfeli obejmujących wiele aktywów, gdzie korelacja pomiędzy portfelami musi być poddawana ponownej ocenie częściej, niż pozwala na to przegląd kwartalny.
Liderzy biznesowi korzystają z tej samej warstwy danych do monitorowania sygnałów popytu i presji cenowej na poziomie sektora, informując o decyzjach poza bezpośrednią działalnością handlową.
Odpowiedni dla zespołów, które potrzebują ustrukturyzowanego obrazu warunków rynkowych przed zaangażowaniem kapitału w inicjatywę strategiczną.
System przedstawia uszeregowany zestaw opcji wraz z dołączonym uzasadnieniem. Ostateczna czynność należy do osoby przeglądającej dashboard.
Zaprojektowany dla użytkowników, którzy chcą zmniejszyć obciążenie poznawcze związane z monitorowaniem wielu strumieni danych, nie odsuwając się od decyzji.
Nie żądamy stałej stopy zwrotu. Poniżej znajduje się opis sposobu walidacji modeli i częstotliwości ujawniania wyników.
Każda wersja modelu jest poddawana testom historycznym w oparciu o dane historyczne, na których nie była szkolona, a wyniki tego testu są zachowywane wraz z rekordem wdrożenia modelu.
Dane wejściowe pochodzą z licencjonowanych kanałów rynkowych. Wszelkie luki, opóźnienia lub anomalie w pliku danych są oznaczane w dzienniku kontroli, a nie dyskretnie interpolowane.
Podsumowania wyników publikowane są codziennie. Co tydzień publikowany jest skonsolidowany przegląd obejmujący dokładność modelu i zdarzenia związane z ryzykiem.
Interfejs jest celowo prosty. Liczby są prezentowane bez adnotacji, więc to od własnej oceny użytkownika, a nie od obramowania pulpitu nawigacyjnego, zależy, w jaki sposób interpretowany będzie wynik.
Zakładamy, że nasi użytkownicy sprawdzą liczby w oparciu o własne dane. Istnieje dziennik audytu, dzięki któremu sprawdzanie jest proste.
Dokumentacja obejmująca walidację modelu, źródła danych i raportowanie historyczne jest dostępna na żądanie. Dostęp do pulpitu nawigacyjnego jest zapewniany po krótkim etapie wdrożenia.