信号の問題
通常の取引日では、何千もの価格ティック、ヘッドライン、センチメントの変化が発生します。これのほとんどは、 騒音 — 目の前の決定にはほとんど関係のない情報。残りの信号であるシグナルはその下に埋もれていることが多く、ボラティリティの期間中、まさに意思決定が最も重要なときに、両者の比率はさらに悪化します。
2 番目の問題は外部ではなく内部にあります。疲労、最新性バイアス、損失回避は、経験豊富なトレーダーの間でも静かに判断を歪めます。これらは十分に裏付けられた認知バイアスであり、意識の下で作用するため、いくら訓練しても完全に取り除くことはできません。
Fundara Invest は、あなたとそのノイズの間に立つように構築されています。つまり、最後の取引がどのように感じられたかに関係なく、すべてのデータ ポイントに同じ定量化可能な基準を適用する客観的な観察者です。
仕組み
エンジンは単に機器を推奨するものではありません。その主な機能は、ユーザーの行動から学習し、その行動の変化に応じて調整するしきい値に対する既存のポートフォリオのボラティリティを管理することです。
価格シリーズ、注文フロー データ、マクロ インジケーターはローリング ウィンドウに取り込まれ、固定間隔ではなく継続的に更新されます。
時系列モデルとボラティリティ モデルのアンサンブルは、単一の予測ではなく、妥当な結果の分布として考えられる短期的な価格のばらつきを推定します。
ドローダウンとゲインに対する過去の応答は、オンボーディング時に固定されるのではなく、新しいセッションごとに更新される実用的な許容レベルを推測するために使用されます。
ポジションのサイジングとヘッジの推奨事項は状況の変化に応じて再計算され、実際のボラティリティを推測される快適な範囲内に保ちます。
基礎となるアプローチは、確率的ボラティリティ モデリングとベイジアン更新を利用しています。新しい観測ごとに、以前の推定値を完全に置き換えるのではなく、調整することで、短期間のノイズのスパイク中にモデルの安定性を保ちます。
応用ロジック
エンジンは、目標とする位置に応じて動作が異なります。以下は、予想される収益ではなく、基礎となる意思決定ロジックです。
シナリオ 1 — 動的ヘッジ
ボラティリティの急上昇中に、これまで相関性のなかった 2 つの保有銘柄が一緒に動き始めると、分散効果のメリットは急速に失われます。エンジンはこの相関ドリフトを検出し、ポジションを完全に決済するのではなく、元のリスクプロファイルを復元するサイズの部分的なヘッジを提案します。
相関モニター
シナリオ 2 — アルファ生成
パターン認識モデルは、現在のエクスポージャー制限を通じてフィルター処理され、過去の価格構造が有利なリスク調整済みの動きに先行したインスタンスにフラグを立てます。シグナルはスコア付けされますが、保証されるものではなく、確信だけではなく、利用可能なリスク予算に応じてサイズが決定されます。
パターン信頼スコア
シナリオ 3 — 資本の保全
現実のボラティリティが持続期間にわたって推定のしきい値を超えると、エンジンは一度に手仕舞いするのではなく、純エクスポージャーを段階的に減らし、さらなるドローダウンを制限しながら、一時的な混乱に陥る売りのリスクを制限します。
ドローダウンプロトコル
プロセスの透明性
私たちは、皆さんにそれを信じてもらうよりも、システムがどのように機能するかを説明したいと考えています。以下の 3 つの領域では、データの発信元、モデルのテスト方法、情報の処理方法について説明します。
市場データは、認可された取引所フィードと公的マクロ経済リリースから抽出され、モデリングが開始される前に統一された時系列に集約されます。ギャップや異常は、黙って補間されるのではなく、フラグが立てられます。
ライセンス付きフィード予測モデルは、導入前に過去のボラティリティの上昇期間に対してストレス テストが行われ、パフォーマンスは一度検証されてそのまま放置されるのではなく、定期的にレビューされます。
継続的なレビューアカウントとポートフォリオのデータは、データ処理とアクセス制御に関する SOC2 コンプライアンス標準に準拠したインフラストラクチャの実践により、転送中および保存中のエンドツーエンドの暗号化によって保護されます。
SOC2 アライメント早期アクセスは限定されたコホートで展開されており、広範囲にリリースする前にリスク適応エンジンを実際のアカウントの動作に合わせて調整できます。リストに参加しても、通知を受ける以上のことを約束するものではありません。