Valitância は、大量の市場データを処理して実用的な推奨事項に変換し、各提案が届く前にリスク フィルターを適用します。リスク軽減レイヤーを経由せずに推奨事項は公開されません。
このプロセスは 4 つの連続したステップに分かれています。それぞれが登録されるため、プラットフォームによって発行された推奨事項を遡及的に監査できます。
一連の価格、出来高、流動性、およびマクロ経済指標が複数のソースから収集され、単一の継続的に更新されるベースで正規化されます。
確率分析モデルは、単一の決定論的な予測ではなく、さまざまな期間の確率シナリオを生成します。
各シナリオは、以前に定義されたエクスポージャーおよびボラティリティの制限と比較されます。リスク許容度を超えたシナリオは、ユーザーに届く前に破棄されます。
結果として得られる推奨事項には、その推奨事項の元となったロジックが含まれており、投資家が決定する前に仮定を評価できるようになります。
以下、公開公演ログより抜粋。各行は、過去のデータを含む閉じられた評価サイクルに対応しています。この表には将来の結果の予測はありません。
| 期間 | 戦略 | シミュレートされたリターン | 最大ドローダウン | 予測精度 |
|---|---|---|---|---|
| 2024 年 1 月～3 月 | 保守的 | +6.1% | -4.2% | 71.8% |
| 2024 年 4 月～6 月 | 中等度 | +9.4% | -7.9% | 69.3% |
| 2024 年 7 月～9 月 | 中等度 | -2.7% | -11.4% | 64.1% |
| 2024 年 10 月～12 月 | 保守的 | +5.0% | -3.6% | 74.6% |
バックテスト環境でシミュレートされた履歴データ。モデルがどのように機能するかを説明するために示されています。過去のパフォーマンスは、シミュレーションか実際かにかかわらず、将来の結果を保証するものではありません。
3 つのモジュールが連携して、利用可能なデータの量と必要な意思決定との間の距離を縮めます。
プラットフォームが受信したデータの新しいバッチごとに再計算された、監視対象資産ごとの変動範囲の推定値。
資産と投資家自身が定義したエクスポージャ制限との相関関係に基づいた再配分の提案。
監視対象の資産が設定されたリスク パラメーターを超えた場合に、変動が統合される前に発行される通知。
同じモジュールが、それぞれのケースに合わせて調整されたリスクパラメータと期間を備えた異なるプロファイルに対応します。
管理デスクは、リアルタイムのリスク アラートを使用して保護ポジションを調整し、予測モデルによって特定された高ボラティリティ シナリオにおけるポートフォリオの純エクスポージャーを削減します。
個人投資家はポートフォリオの最適化を利用して、相関性の低い資産間でポジションを分散し、短期的なニュースに反応して下された意思決定を事前に定義されたパラメータに置き換えることで、取引における感情的要因の比重を軽減します。
Valitância は、慎重な投資家は推奨をただ受け入れるだけでなく、その背後にある理由を理解する必要があるという前提で構成されています。したがって、データの取り込みからリスクのフィルタリングに至るモデルの各ステップが記録され、参照できるようになります。
これは、投資決定に伴うリスクを排除するものではありません。目標は、このリスクを想定するのではなく、可視化して測定できるようにすることです。
完全な方法論を知る以下の質問は、AI モデルを意思決定プロセスに組み込むことを評価している人々によって最も提起された問題を反映しています。
確率が低く、影響が大きいイベントは、定義上、正確に予測できるほど過去のデータに前例がありません。このモデルは、イベント自体を予測しようとするものではありません。観察されたボラティリティが設定されたしきい値を超えた場合にエクスポージャーを自動的に低減するリスク フィルターを維持し、原因を予測するのではなく損害を限定します。
新しい市場情報が統合されたソースに届くと、データベースは継続的に更新されます。予測モデルは定期的なサイクルで再計算され、アクティブな推奨事項は新しいサイクルが完了するたびに改訂されます。
発行されたすべての推奨事項は、その推奨事項の元となったデータや仮定とともに公開ログに記録されます。ヒットとミスの履歴は、パフォーマンスが低下した期間も含めて、パフォーマンス ログ セクションに表示されたままになります。
