AI-assisterad marknadsinformation
Cote Assetage kombinerar prediktiv modellering med en daglig rapporteringscykel, så att du kan se hur varje signal presterade snarare än att ta ett anspråk på förtroende.
Motorn
Plattformens kant är inte en enda smart förutsägelse utan en kontinuerlig process: data kommer in, modeller producerar sannolikhetsvägda vyer och dessa vyer kontrolleras mot exponering och volatilitet innan någonting når dig.
Motorn läser orderflöde, volatilitetsmönster och makroreleaser tillsammans, vilket ger en sannolikhetsvägd bild av sannolik prisrörelse snarare än ett enda riktsamtal. Varje signal har ett konfidensintervall, så positionsdimensionering kan spegla hur säker modellen faktiskt är.
Exponering över öppna positioner räknas om kontinuerligt, inte bara vid den punkt som en affär placeras. Om korrelationen mellan tillgångar skiftar, eller om volatiliteten rör sig utanför det intervall som en signal genererades i, flaggas positionen för granskning innan den blir ett större problem.
När en handelssession stänger jämförs modellutdata med vad som faktiskt hände. Där en signal missas, matas avvikelsen in i nästa träningscykel, så modellen kontrolleras mot verkligheten fortlöpande snarare än att den får köras ogenomerad.
Nedan bearbetar plattformen strukturerad marknadsdata tillsammans med ostrukturerade indata som nyhetssentiment och regulatoriska registreringar, med hjälp av en blandning av statistiska och maskininlärningsmodeller valda för den typ av fråga som ställs. Ingen enskild modell behandlas som auktoritativ: utdata korskontrolleras mot enklare riktmärken innan de når en rapport.
Metodik & rapportering
Varje handelsdag genererar modellerna en uppsättning signaler och riskbedömningar, som loggas innan sessionen öppnar och lämnas orörda tills den stänger. Inget redigeras eller märks om efteråt, så rapporten du läser nästa morgon återspeglar exakt vad modellen förbundit sig till, inte en version som slätas ut i efterhand.
Varje rapport anger vilka signaler som genererades, hur säker modellen var vid den tiden och vad som faktiskt hände på marknaden. Där en signal underpresterade, säger rapporten så tydligt, tillsammans med en kort notering om den troliga orsaken, om det är ett datagap, ett regimskifte eller en modellbegränsning.
Hur varje sannolikhetsvägd signalerar jämfört med vad marknaden faktiskt gjorde.
Prestanda mätt mot ett jämförbart passivt riktmärke, inte isolerat.
Säkerhetsintervallet kopplat till varje signal när den genererades, inte justerat i efterhand.
Ett register över maximal uttag och positionsexponering under rapporteringsperioden.
Vilka datamängder, och vilken version av dem, informerade en viss dags produktion.
Underliggande datauppsättningar är versionerade och tidsstämplade, så alla rapporter kan spåras tillbaka till den exakta dataöversikten som producerade den. Vi justerar inte historiska resultat i efterhand för att få tidigare resultat att se bättre ut.
Från data till beslut
Marknadsdata, orderbokdjup och relevanta externa källor dras in kontinuerligt och kontrolleras för luckor eller anomalier innan någonting når en modell.
Modeller producerar sannolikhetsvägda signaler med ett tillhörande konfidensintervall, snarare än en enda fast förutsägelse.
Varje signal vägs mot aktuell exponering, volatilitet och korrelation med befintliga positioner, och den rekommenderade storleken justeras därefter.
Resultatet är en rankad rekommendation med dess resonemang bifogad, redo för en handlare eller investeringskommitté att agera på, justera eller avböja.
Ramverket är medvetet konservativt när det gäller säkerhet. Där förtroendet är lågt eller uppgifterna är ofullständiga, säger systemet det snarare än att tvinga fram en rekommendation, och lämnar den slutliga bedömningen hos den person som är ansvarig för resultatet.
Ansökningar
En dagshandlare som arbetar med flera instrument samtidigt använder plattformen för att flagga stigande korrelationsrisk innan den dyker upp i en neddragning. Signaler uppdateras genom sessionen, och var och en är tidsstämplad mot rapporten som publicerades samma kväll, så prestanda kan kontrolleras handel för handel snarare än förtroende.
En investeringskommitté som granskar kvartalsvis kapitalallokering använder scenariomodeller med längre horisont för att stresstesta föreslagna positioner mot en rad makroförhållanden. Eftersom resonemanget bakom varje rekommendation är dokumenterat kan den presenteras för intressenter vid sidan av siffrorna, inte istället för dem.
Om Cote Assetage
Cote Assetage byggdes av ett litet team med bakgrund inom kvantitativ forskning och marknadsdatateknik, som arbetar utifrån premissen att de flesta handelsverktyg kräver ett stort förtroende i förväg och erbjuder väldigt lite verifiering i gengäld. Vår utgångspunkt var den motsatta: publicera resonemanget, publicera konfidensnivån och publicera resultatet, varje dag, så modellens meritlista talar för sig själv.
Plattformen är utformad för att sitta bredvid din befintliga process snarare än att åsidosätta den. Signaler och rapporter är indata till ett beslut, inte en ersättning för bedömningen av den person som fattar det.
Frågor som vi ofta får
Modeller tränas på historiska data, som aldrig är helt neutrala. Vi tar itu med detta genom att testa utdata mot flera tidsperioder och marknadsregimer snarare än en enda datauppsättning, och genom att publicera konfidensintervall så att en lågsäkerhetssignal aldrig presenteras med samma vikt som en högsäkerhetssignal.
Latensen varierar med vilken typ av data som är involverad: strukturerad pris- och orderbokdata bearbetas löpande under sessionen, medan indata som registreringar eller nyhetssentiment tar något längre tid att analysera. Vi skulle hellre vara noggranna om denna variation än att lova en enda siffra som inte håller för varje datatyp.
Nej. Varje signal i den dagliga rapporten åtföljs av resonemanget bakom den och konfidensnivån vid den tidpunkt då den genererades. Avsikten är att plattformen ska utöka din egen analys, ge dig mer att arbeta med, inte att ersätta ditt omdöme med en ogenomskinlig utgång.
Data krypteras under överföring och i vila, och tillgång till rådatauppsättningar loggas och begränsas till vad en given process faktiskt behöver. Vi säljer eller delar inte kunddata med tredje part.
Ja. Livedatademon visar ett urval av historiska signaler tillsammans med resultaten som registrerats i dagens rapport, så modellens meritlista kan bedömas innan man beslutar om den passar ditt tillvägagångssätt.
Utöver kryptering och åtkomstkontroller är varje datauppsättning som används i en rapport versionerad, så om en fråga någonsin ställs om en specifik dags utdata kan vi visa exakt vilken data som producerade den.
Om du hellre vill se en modells faktiska meritlista än att göra anspråk på tro, visar livedatademon ett urval av tidigare signaler tillsammans med resultaten som registrerats i dagens rapport. Det finns ingen skyldighet att titta.