没有明确的切入点而持有的资本会失去其相对影响力。系统的、数据驱动的方法可以在不依赖猜测的情况下缩小这一差距。
该系统结合了数据处理、统计建模和基于规则的执行。每个组件都可以独立测试并持续监控。
持续收集、验证大量市场和交易数据并将其转换为结构化关键数据 - 具有低延迟和一致的数据质量。
统计模型估计市场变动发生的概率，并根据风险情景与当前流动性头寸的相关性对风险情景进行分类。
建议是在明确合理的行动选项中准备的，可以应用于个人头寸以及整个投资组合。
该过程被有意一步步记录下来，以便事后可以检查每项建议。没有定义的检查点就没有自动化步骤。
市场、价格和流动性数据来自多个来源，并在纳入建模之前检查其完整性和合理性。
检查历史和当前模式的统计显着性。显着的偏差会被标记并优先进行进一步评估。
根据参数优化，系统生成具体的条目和数量建议，并在执行前由负责人批准。
以下示例显示了典型的初始情况以及系统控制如何改变资本的使用。
一家中型公司为季节性波动保留储备。 Assetryx Trade 没有保持这些资金不变，而是定义了根据算法信号交错的固定部分金额。
保留储备功能是因为策略中仅包含固定比例的流动性。
家族办公室利用该分析定期重新平衡现有头寸。该引擎识别与目标分配的偏差并建议适当的调整。
决策权仍由负责的团队决定——系统提供基础，而不是在没有控制的情况下执行。
Assetryx Trade 的开发旨在为中型企业的决策者提供使用自由流动性的可理解的、基于数据的基础。重点是方法的透明度，而不是短期预测。
所有模型均适用于历史和当前市场数据，并定期根据新数据集进行验证。最终决定权始终由用户自己决定。
有关方法论的更多信息
以下答案涵盖了有关算法安全性、集成和可追溯性的最常见问题。
所有处理的数据均遵守 GDPR 的要求。访问权限是精细分配的，原始数据通常以加密形式保留在欧洲服务器上。
通过标准化接口与通用会计和财务系统进行连接。初始数据比较可确保现有流程不会中断。
每个建议都记录有基本参数。人机交互原则确保未经人工批准不会执行任何操作。