収入の多様化を目指す若い専門家は、ニュース、センチメント、テクニカル指標、マクロ経済指標など、多くの場合同時に、そして明確に認識されることはほとんどありません。構造化された方法がなければ、ノイズと関連する動きを区別することは困難です。
何百もの情報源と指標があるため、実際にどのデータが意思決定の指針となるかを判断することが困難になります。
通常の仕事に加えて、市場を継続的に監視し、手動で再計算する余地はほとんどありません。
構造化されたリスク評価がなければ、市場参入は実証された分析ではなく、タイミングによって決定されることがよくあります。
当社のシステムは、500 以上の取引ペアからの市場データを継続的に処理し、関連するすべての変更ごとに予測モデルを再計算します。このモデルは、スナップショットを提供するのではなく、ボリューム、ボラティリティ、ペア間の相関関係の変化を追跡し、パターンが過去の平均から統計的に大きく逸脱したときに通知します。
このレベルのスケールは意図的なものです。データセットが小さいと、ランダムな動きがトレンドと誤解されるリスクがあります。広範囲に測定することで、ノイズと信号の区別がより確実になります。
分析は 4 つの連続したステップで進行し、各ステップにはモデル内で独自の機能があります。
500 以上の取引ペアからの市場データは複数のソースから継続的に収集され、比較できるように標準化されています。
予測モデルは、現在の動きを過去のパターンと比較して異常を特定します。
特定された各パターンは、推奨として提示される前に、ボラティリティと相関リスクに応じて重み付けされます。
最終的な推奨事項は、根本的な動機とともに説明されているため、自分で決定できます。
収入を多様化し、リスクを管理するために分析が実際にどのように使用されるかを示す 3 つの例。
このモデルは、何百もの取引ペア間の相関関係を比較することにより、どのポジションが実際に多様化をもたらすのか、またどのポジションが見かけ上独立しているだけであるのかをマッピングします。
特定のセグメントでボラティリティが高まると、システムはそのセグメントへのエクスポージャーにフラグを立て、リスクが蓄積する前にポジションをタイムリーに修正できるようにします。
このモデルは、複数のペアにわたる動きを同時に追跡することにより、関連する実証とともに、構造的変化と短期間の異常値を区別します。
将来の市場状況については何も語られていないため、当社は顧客体験や過去の結果を証拠として共有しません。代わりに、各モデルがどのようにして推奨事項に到達するか、つまり、どのようなデータが使用され、どのような仮定が行われ、どのような制限が適用されるかを示します。