Droneflyers izmanto paredzamo modelēšanu un vēsturisko validāciju, lai filtrētu tirgus troksni atbilstoši riskam pielāgotos, izmantojamos signālos. Platforma apstrādā datus; jūs saglabājat pilnīgu stratēģisko kontroli pār katru lēmumu.
Attālinātiem profesionāļiem un neatkarīgiem investoriem tagad ir pieejams vairāk tirgus datu nekā jebkad agrāk, tomēr apjoms vien neuzlabo spriedumu. Lielākā daļa no tā, kas tiek straumētas, izmantojot ziņu plūsmas, forumus un neapstrādātas cenu diagrammas, ir troksnis, nevis signāls, un manuāla atdalīšana ir laikietilpīga un nekonsekventa.
Droneflyers tika izveidots, lai tieši novērstu šo plaisu: uzņemot lielas datu kopas, piemērojot pārbaudītus modeļus un atklājot tikai modeļus ar pierādītu statistisku nozīmi.
Katra izvade iziet četrus atšķirīgus posmus, pirms sasniedz lietotāju. Neviens posms netiek izlaists un neviens ieteikums netiek izdots, ja nav nokārtotas iepriekšējās riska pārbaudes.
Cenu plūsmas, apjoma dati un attiecīgie makro indikatori tiek nepārtraukti vākti un normalizēti konsekventā modelēšanas struktūrā.
Mašīnmācīšanās modeļi, kas apmācīti pēc vēsturiskiem modeļiem, nosaka statistiski nozīmīgas attiecības, nevis īstermiņa korelācijas.
Katrs kandidāta signāls tiek novērtēts attiecībā pret nepastāvību, korelācijas ekspozīciju un izņemšanas jutīgumu, pirms tas tiek uzskatīts par izmantojamu.
Ieteikumi tiek sniegti ar pārliecības kontekstu, atstājot galīgo stratēģisko lēmumu lietotājam, nevis modelim.
Šīs iespējas raksturo Droneflyers tehnisko mehāniku, nevis vispārīgus apgalvojumus par mākslīgo intelektu.
Ienākošie tirgus dati tiek apstrādāti, tiklīdz tie tiek saņemti, ļaujot modeļa skatījumam par apstākļiem palikt aktuālam, nevis paļauties uz aizkavētiem momentuzņēmumiem.
Katrs stratēģijas modulis pirms izvietošanas tiek pārbaudīts, salīdzinot ar vēsturiskajiem datiem, tāpēc darbības prognozes ir balstītas uz iepriekšēju tirgus darbību, nevis pieņēmumu.
Risks tiek novērtēts vairākās dimensijās vienlaikus, tostarp nepastāvību, korelāciju un likviditāti, nevis vienu kopējo punktu skaitu.
Modeļi tiek atkārtoti novērtēti, salīdzinot ar jauniem datiem noteiktā ciklā, koriģējot iekšējos svērumus, kad tirgus apstākļi būtiski mainās.
Attālinātiem darbiniekiem un neatkarīgiem investoriem reti ir piekļuve modelēšanas infrastruktūrai, ko izmanto iestāžu biroji. Droneflyers nodrošina salīdzināmu analītisko procesu viena lietotāja platformā, neprasot pētniecības komandu.
Piemērots personām, kas pārvalda savu kapitālu līdztekus pilnas slodzes attālinātam darbam, kur laiks manuālai izpētei ir ierobežots.
Tā vietā, lai izdotu atsevišķus pirkšanas vai pārdošanas signālus, platforma ņem vērā, kā ieteikums mijiedarbojas ar esošu pozīciju kopu, ņemot vērā koncentrāciju un korelācijas risku.
Piemērots lietotājiem, kuriem ir vairākas pozīcijas un kuriem ir jāsaprot kopējā iedarbība, nevis tikai atsevišķi darījumi.
Modelis norāda novirzes no izveidotajiem vēsturiskajiem modeļiem turpmākai pārskatīšanai, nevis pieņem, ka katra anomālija ir iespēja.
Noderīgi stratēģiem, kuri vēlas laicīgi pamanīt neparastus apstākļus, spriedumu par to rīcību atstājot lietotāja ziņā.
Tā vietā, lai paļautos uz klientu piedāvājumiem, Droneflyers atklāj sava validācijas procesa struktūru, lai lietotāji varētu paši novērtēt pamatojumu.
Modeļa izvadi tiek salīdzināti ar noteiktu ārpusizlases periodu, izmantojot tālāku validāciju, tāpēc veiktspēja tiek mērīta ar datiem, ko modelis iepriekš nav redzējis.
Atpakaļpārbaudes tiek veiktas vairākos vēsturiskos tirgus režīmos, tostarp paaugstinātas nepastāvības periodos, lai izvairītos no pārmērīgas pielāgošanas viena tirgus apstākļiem.
Pirms to izmantošanas modeļu apmācībā ievades datos tiek pārbaudītas nepilnības, dublēšanās un izdzīvošanas neobjektivitāte, un nekonsekventi ieraksti tiek izslēgti, nevis novērtēti.
Droneflyers ir paredzēts lietotājiem, kuri vēlas novērtēt pamatā esošo loģiku pirms paļaušanās uz to. Piekļuve tiek piešķirta personām, kuras ir gatavas iesaistīties metodoloģijā, ne tikai iznākumā.
Piekļuves analīzePēc piekļuves pieprasīšanas jums tiks sniegts strukturēts pārskats par modeļa metodoloģiju un riska ietvaru, pirms būs nepieciešamas jebkādas abonēšanas saistības.