Crescânio Equity モデルは、過去のシリーズ データとリアルタイム データを処理して、従来のチャートに表示される前に関連するパターンを特定します。
このモデルは、何千もの資産の価格、出来高、ボラティリティを相互参照し、関連する市場の動きの前に歴史的に繰り返されてきたパターンを特定します。
各シグナルにはエクスポージャパラメータとシミュレートされた損失シナリオが伴うため、意思決定では潜在的なリターンの前にリスクが考慮されます。
同じ分析構造は、個々のトレーダーのポートフォリオから機関デスクのオペレーション量に至るまで、深みを損なうことなくすべてをカバーします。
このプロセスを経ずに推奨事項が画面に表示されることはありません。方法論の透明性が結果に対する信頼を維持します。
相場、出来高、ニュース、マクロ経済指標は複数の市場ソースから継続的に収集されます。
アルゴリズムは、日中から 1 年間の履歴まで、さまざまな時間枠での相関関係や繰り返しの行動を特定します。
識別された各パターンは、実際に適用する前に履歴データに対してテストされ、そのパフォーマンスが測定されます。
バックテストによって検証されたパターンのみがシグナルを生成し、コンテキスト、推定期限、および関連するリスクレベルとともに配信されます。
さまざまな時間枠でテストされたパターンの歴史的な遵守状況を示す図。過去の結果は将来のパフォーマンスを保証するものではありません。
各戦略は、投資家自身が定義したエクスポージャーのレベル内で、インテリジェントな戦略的決定をサポートするように構築されています。
より厳格なボラティリティフィルターと低い操作頻度により、シグナルはより流動性の高い資産に集中しました。
トレンドと反転のシグナルを組み合わせて、1 日を通してさまざまな資産クラスにエクスポージャーを分散します。
日中の短期間の運用向けに調整されたモデルで、振動や大量の信号に対する耐性が向上しています。
Crescânio Equity は、ほとんどの市場データ インテリジェンスが機関のテーブルに限定されている一方、個人のトレーダーは断片化されたツールを使用して意思決定を行っているという認識から生まれました。
私たちの仕事は、意思決定がスプレッドシートの分析に使用できる時間ではなく方法論に依存するように、大量のデータを明確でテストされ文書化された信号に変換することです。
データ分析へのアクセスが一部の人だけの特権ではなくなると、財務上の意思決定が改善されると私たちは信じています。
処理は、戦略の種類と分析されるデータの粒度に応じて、数秒から数分の連続サイクルで発生します。高頻度の日中戦略では、より短い更新ウィンドウが利用されます。
はい。このプラットフォームは、シグナルとパフォーマンス データを消費するための API を介した統合を提供し、トレーダーがすでに使用している環境で最終的な実行を行うことができます。
シグナルは、統計モデルと過去のバックテストに基づいた推奨事項です。最終的な実行決定はユーザーの制御下にあり、アクションを起こす前にリスクパラメーターを調整できます。
アカウントと使用状況のデータは、転送中も保存中も暗号化されて、顧客ごとに分離された環境に保存されます。モデルで使用される市場データは、集約され匿名化された形式で処理されます。
はい。バックテストには取引コストと価格スリッページの推定が組み込まれているため、シミュレートされたパフォーマンスが実際の約定条件に近似します。
プラットフォームへのアクセスをリクエストし、Crescânio Equity モデルがシグナル、リスク、パフォーマンス履歴を単一のダッシュボードにどのように整理するかを確認します。
アクセスのリクエスト文書化された方法論。データは暗号化されて処理されます。最終的な決定は常にユーザーの制御下にあります。