Jessica Egan izveido savienojumu ar jūsu datu avotiem un veic pilnu daudzfaktoru riska un atdeves analīzi brīdī, kad apstiprināsiet iestatīšanu. Nav izklājlapu, nav manuālas modelēšanas — mākslīgais intelekts paveic smagus darbus, un jūs pārskatāt rezultātu.
Izstrādāts profesionāļiem, kuri vēlas ar datiem pamatotus lēmumus bez priekšzināšanas datu zinātnē.
Lielākā daļa portfeļa rīku apstājas pie ziņošanas. Jessica Egan dzinējs uzņem reālus tirgus un darbības datus, izmanto statistikas un mašīnmācības modeļus, lai identificētu modeļus, kurus cilvēki parasti neizmanto, un pārvērš izvadi īsā ieteicamo darbību sarakstā. Jūs nekonfigurējat parametrus vai neregulējat modeļus — sistēma šo slāni apstrādā automātiski.
Reāllaika uzņemšana nodrošina analīzi aktuālu, nevis paļaujas uz dienas beigu momentuzņēmumiem. Automātiskā līdzsvarošana pēc tam pielāgo svērumus, kad pamatā esošie dati pārsniedz iepriekš iestatītos sliekšņus, nepieprasot pieteikties un rīkoties manuāli.
Iestatīšana ir apzināti īsa. Lielāko daļu laika tiek ietaupīts, noņemot manuālās darbības, kas citām platformām joprojām ir nepieciešamas — plūsmas savienošana ar roku, modeļa parametru izvēle vai neapstrādātās produkcijas interpretācija.
Saistiet starpniecības kontus, tirgus plūsmas vai iekšējos biznesa datus vienā piegājienā. Sistēma automātiski kartē laukus, tāpēc pirms analīzes sākšanas nav nepieciešama manuāla marķēšana vai formatēšana.
Daudzfaktoru modelis novērtē korelācijas, nepastāvību un vēsturiskos izņemšanas modeļus visā jūsu datu kopā sekunžu, nevis stundu laikā.
Jūs saņemat lēmumam gatavu kopsavilkumu ar ieteiktajiem piešķīrumiem vai darbībām, katrai no kurām ir norādīts ticamības līmenis, lai jūs varētu pieņemt, pielāgot vai noraidīt.
Pasīvs nenozīmē bez uzraudzības. Jessica Egan izmanto iedibinātas kvantitatīvās metodes, lai atzīmētu ekspozīciju, pirms tā kļūst par problēmu, un dokumentē, kāpēc tika sniegts konkrētais ieteikums, lai pamatojums jums nekad netiktu slēpts.
Katrs ieteikums ietver riska rādītāju līdzās sagaidāmajai atdevei, tāpēc kāpums nekad netiek parādīts bez atbilstoša negatīvā konteksta.
Identificē periodus, kad cenu svārstības mēdz apvienoties, palīdzot modelim paredzēt turbulenci, nevis reaģēt uz to pēc fakta.
Iestata dinamiskus sliekšņus, kas aktivizē pārskatīšanu vai līdzsvara atjaunošanu, ja pozīcijas kritums pārsniedz tās aktīvu klases vēsturiskās normas.
Izseko, kā aktīvi pārvietojas viens pret otru, samazinot nejaušas koncentrēšanās iespējamību portfelī.
Izpilda ieteicamos piešķīrumus, salīdzinot ar vēsturiskajiem stresa periodiem, pirms tie tiek parādīti, tāpēc izvade atspoguļo vairāk nekā viena tirgus režīmu.
Tas pats pamatā esošais dzinējs pielāgojas dažādiem mērķiem atkarībā no tā sniegtajiem datiem un rezultāta, kuram optimizējat.
Savienojiet starpniecības vai biržas kontus un saņemiet līdzsvara atjaunošanas ieteikumus, kuru mērķis ir uzlabot riskam pielāgotu atdevi attiecībā pret jūsu pašreizējo piešķīrumu.
Ievadiet pārdošanas, krājumu vai izmaksu datus, lai parādītu paredzamos modeļus, kas palīdz pieņemt lēmumus par personālu, krājumu līmeni vai cenām, pirms rodas problēmas.
Apkopoti publiskie tirgus komentāri un ziņas ieplūst noskaņojuma rādītājā, kas kontekstualizē cenu kustību līdzās kvantitatīvajiem modeļiem.
Jessica Egan tika izveidots, pamatojoties uz pieņēmumu, ka institucionāla līmeņa analīzei nevajadzētu prasīt iestādes lieluma komandu. Platforma apkopo statistikas un mašīnmācības metodes, kas iepriekš bija paredzētas speciālistu galdiem, iestatīšanas procesā, kas aizņem mazāk nekā minūti.
Mēs neapgalvojam, ka modeļi pilnībā novērš risku — neviena analīze to nevar izdarīt. Viņi padara kompromisus redzamus, konsekventus un balstītus uz datiem, nevis instinktiem, tāpēc jūsu lēmumiem ir dokumentēts pamatojums.
Jessica Egan nav viens necaurredzams algoritms. Tas ir izveidoto statistikas metožu kopums, no kurām katra ir izvēlēta noteiktai analīzes daļai un katra ir izskaidrojama vienkāršā veidā.
Tirgus dati tiek iegūti no licencētām cenu un apjoma plūsmām. Ja pievienojat starpniecības vai biznesa sistēmu, dati tiek nolasīti tieši no šī konta, izmantojot drošu, tikai lasīšanas piekļuvi — platforma nekad neiegūst tiesības pārvietot līdzekļus vai mainīt jūsu ierakstus.
Katram datu avotam ir laikspiedols un tas tiek reģistrēts, tāpēc jebkuru ieteikumu var izsekot līdz ievadei, kas to radījusi.
Regresijas analīze mēra, cik spēcīgi vienam mainīgajam (piemēram, procentu likmēm) ir tendence mainīties ar citu (piemēram, sektora atdevi), radot statistisku sakarību, ko varam kvantitatīvi noteikt un pārbaudīt.
Neironu tīkli tiek izmantoti modeļu atpazīšanai lielākās, mazāk lineārās datu kopās, piemēram, lai noteiktu nepastāvības modeli, kas neparādītos vienkāršā korelācijas tabulā. Abas metodes tiek pārbaudītas, salīdzinot ar vēsturiskajiem datiem, pirms tās tiek izmantotas reāllaika ieteikumos.
Katrs modelis tiek pārbaudīts pret vēsturiskiem periodiem, par kuriem tas nav apmācīts, lai pārbaudītu, vai tā loģika neatbilst datiem, no kuriem tas sākotnēji tika apgūts. Modeļi, kuru veiktspēja testēšanas laikā ir zemāka par noteiktu etalonu, netiek reklamēti reāllaika ieteikumos.
Savienojumi ar ārējiem kontiem izmanto šifrētus, tikai lasāmus protokolus. Pārsūtāmie dati tiek šifrēti, un konta akreditācijas dati nekad netiek saglabāti vienkāršā tekstā. Piekļuve jūsu konta datiem ir ierobežota līdz tam, kas nepieciešams, lai veiktu jūsu pieprasīto analīzi.
Savienojiet savus datus un saņemiet pirmo lēmuma pieņemšanai gatavu analīzi mazāk nekā 60 sekunžu laikā. Nav manuālas iestatīšanas, nav nepieciešama modeļa regulēšana.
Sāciet tūlīt