Luarea deciziilor asistată de calculator
Oljefondet analizează continuu cantități mari de date și oferă recomandări ponderate investitorilor și analiștilor care doresc să reducă riscul pe o bază verificabilă, nu pe baza sentimentelor instinctive.
Metodologie
Majoritatea instrumentelor de luare a deciziilor se opresc la vizualizarea datelor. Oljefondet merge mai departe și atribuie fiecărei recomandări o pondere în funcție de cât de fiabil s-a dovedit istoric a fi semnalul.
Modelele sunt instruite continuu pe seturi de date istorice și actualizate și descoperă relații între variabile care altfel ar necesita o analiză manuală pe parcursul săptămânilor. Rezultatul este prezentat ca scenarii ponderate în funcție de probabilitate, nu ca o singură recomandare fără context.
Ilustrație: probabilitate ponderată pe scenariu
Fiecare recomandare este urmată de o verificare a corelației cu expunerea existentă și de o valoare de încredere care arată cât de multă abatere istorică a fost observată pentru semnale similare. Acest lucru face posibilă prioritizarea măsurilor în funcție de riscul actual de reducere, mai degrabă decât în funcție de magnitudine.
Ilustrație: distribuția abaterilor pe categorie de risc
Deoarece arhitectura este construită pe date în flux, recomandările sunt actualizate pe măsură ce apar noi puncte de date. Aceeași infrastructură este utilizată indiferent dacă este vorba de un analist sau de o întreagă echipă care monitorizează mai multe poziții în același timp.
Ilustrație: frecvența de actualizare în timp
Rigoare tehnică
Procesul este împărțit în trei pași, iar fiecare pas este documentat, astfel încât analiștii să poată verifica de ce o recomandare arată așa cum arată.
01
Datele de piață, indicatorii macroeconomici și seturile de date alternative sunt colectate în mod continuu și curățate de sursele cunoscute de eroare înainte de a trece la modelare.
02
Modelele statistice și învățate automat caută relații recurente și abateri de la distribuția normală și semnalează semnale care depășesc un prag predefinit.
03
Semnalele sunt clasificate în funcție de acuratețea istorică și compilate într-o recomandare cu o valoare de încredere asociată, pregătită pentru evaluare umană.
| Parametru | Descriere |
|---|---|
| Surse de date | Date de piață, indicatori macroeconomici, rapoarte de companie disponibile public |
| Frecvența actualizării | Continuu, bazat pe date în flux, mai degrabă decât pe loturi periodice |
| Arhitectura modelului | Ansambluri de modele statistice și învățate automat cu validare separată |
| Metoda de validare | Verificare față de rezultatul real, publicată continuu în jurnalul de performanță |
| Integrarea | Acces API și export în instrumente comune de analiză și portofoliu |
Despre platformă
Oljefondet a fost dezvoltat cu un punct de plecare simplu: o recomandare este la fel de bună ca și capacitatea de a o verifica ulterior. Prin urmare, fiecare model este documentat și fiecare recomandare este marcată în timp.
Platforma este folosită de analiști și investitori care au deja propriile rutine pentru managementul riscurilor și care doresc un supliment asistat de computer, mai degrabă decât un înlocuitor pentru evaluarea profesională.
Transparență
Toate recomandările sunt înregistrate în timp și ulterior comparate cu rezultatul real. Jurnalul este disponibil pentru revizuire și nu poate fi editat după publicare.
Tabelul de mai jos arată formatul jurnalului. Un jurnal complet și actualizat continuu este disponibil în interiorul platformei.
| Data | Model | categorie | Stare |
|---|---|---|---|
| 2024-01-08 | Modelul de sentiment A | Sentimentul pieței | Confirmat |
| 15-01-2024 | Modelul de risc C | Riscul de portofoliu | În curs de evaluare |
| 22-01-2024 | Modelul de tendință B | Rotația sectorului | Confirmat |
| 2024-01-29 | Modelul de sentiment A | Sentimentul pieței | Abatere înregistrată |
Trasabilitate
Pe model
Editare după publicare
Nu este permis
Înregistrarea rezultatelor
Indiferent de model
Acuratețea istorică este afișată în platformă ca o diagramă liniară defalcată pe model și perioadă de timp, astfel încât abaterile dintre recomandare și rezultatul real să poată fi urmărite în timp în loc să fie rezumate într-un singur număr.
Recomandările sunt marcate în timp la publicare. Rezultatul real este înregistrat ulterior și este automat legat de recomandarea inițială, indiferent de modul în care a rezultat rezultatul.
Domenii de utilizare
Aceleași modele de bază sunt adaptate la diferite situații de luare a deciziilor, în funcție de faptul că scopul este managementul portofoliului, evaluarea pieței sau operațiuni interne.
Modelele identifică corelații între pozițiile existente și propun ajustări care reduc expunerea globală la evenimente individuale, fără a necesita o restructurare completă a portofoliului.
Cantități mari de text și date despre tranzacții sunt compilate într-o măsură de sentiment care este actualizată continuu și care poate fi comparată cu punctele de cotitură istorice ale pieței.
Datele interne despre utilizarea resurselor și debitul sunt analizate pentru a descoperi blocajele, astfel încât deciziile privind prioritizarea să poată fi luate pe baza modelelor reale, mai degrabă decât a ipotezelor.
Întrebări și răspunsuri
Datele încărcate pentru analiză sunt stocate separat de datele de instruire utilizate pentru îmbunătățirea modelelor și nu sunt partajate între clienți. Controlul accesului și locația de stocare pot fi revizuite ca parte a unei evaluări tehnice înainte de integrare.
Modelele sunt testate continuu cu date noi care nu au fost incluse în instruire, iar abaterile de la precizia așteptată sunt semnalate automat. Deoarece rezultatele sunt publicate în jurnalul de performanță, părtinirile sistematice pot fi identificate în timp, mai degrabă decât să rămână invizibile.
Majoritatea setărilor încep cu exportarea recomandărilor către instrumentele de analiză existente prin intermediul API-ului, fără a fi necesară modificarea fluxurilor de lucru existente. Integrarea mai profundă, cum ar fi conectarea directă la sistemele de portofoliu, este evaluată separat pentru fiecare caz.
Da. Recomandările sunt concepute ca suport de decizie, iar fiecare utilizator poate ajusta ponderarea sau poate ignora semnalele individuale. Astfel de ajustări sunt înregistrate separat de recomandarea inițială a modelului pentru a păstra verificabilitatea.
Rezultatul este înregistrat în jurnalul de performanță în același mod ca și loviturile și este folosit pentru a ajusta ponderarea semnalului în cauză în continuare. Recomandările eșuate nu sunt șterse din jurnal.
Începeți prin a parcurge jurnalul de performanță și evaluați singur acuratețea, înainte de a vă conecta propriile date. Majoritatea echipelor încep la o scară mai mică și se extind după compararea rezultatelor pe parcursul a câteva luni.
