Yoga Den は市場データをリアルタイムで分析し、展開する前に複数の過去の期間に対して各戦略をテストします。直感はありませんが、モデル化された意思決定があります。
プラットフォームが生成するすべての推奨事項の基礎となるメカニズムは 3 つあります。
このシステムは、過去の価格と出来高データのパターンを認識し、それらを関連する確率を持つシナリオに変換します。各シナリオは、市場の新たなインプットに基づいて継続的に調整されます。
ボラティリティのしきい値と下値シナリオはポジションごとに計算されます。設定されたしきい値を超えると、手動介入なしで露出が自動的に減少します。
分析は複数の資産クラスにわたって並行して実行されます。新しいデータセットは、既存のモデル プロセスを中断したり速度を低下させたりすることなく追加されます。
各戦略は、使用のためにリリースされる前に 4 つの設定されたステップを経ます。
構造データ ソースと代替データ ソースがマージされ、正規化されます。
アルゴリズムは、過去のシリーズと複数の市場体制に基づいてトレーニングされています。
各戦略は、トレーニング データ以外の期間でバックテストされます。
バックテストに合格した戦略のみが本番環境に移行します。
バックテストでは、トレーニング期間外の過去の市場データに対して戦略をテストします。これにより、以前の調整、金利の変化、ボラティリティのピーク時にモデルがどのように動作するかを視覚的に確認できます。
このような状況下で事前に設定されたリスク制限から逸脱する戦略は、運用開始前に調整または拒否されます。このプロセスは、新しい日付に定期的に繰り返されます。
同じモデルは 3 つの異なる意思決定問題をサポートします。
個人投資家の場合、モデルはポジションごとに期待リターンとリスクの比率を継続的に計算します。逸脱が発生した場合、ユーザーは根本的な動機を伴うリバランスの提案を受け取ります。
このシステムは、現在の市場の動きを履歴データに基づいて予想されるパターンと比較します。統計的に有意な逸脱には、レビューのためにフラグが立てられますが、自動的には実行されません。
| 信号 | 偏差 | ステータス |
|---|---|---|
| ボラティリティ指数 | +2.3σ | 評価 |
| ボリュームパターン | +1.1σ | 無視されました |
| 相関ブレイク | +3.0σ | 評価 |
事業者は同じデータ構造を使用して、予算と容量の選択を通知します。このモデルは、需要の変動と原価の動向に基づいてシナリオを計算します。
| セグメント | 割り当て | トレンド |
|---|---|---|
| 運転資金 | 42% | 安定した |
| 成長への取り組み | 31% | 上昇中 |
| リスクバッファー | 27% | 安定した |
以下のビューは、主要な数値、シグナル、および過去のシリーズが 1 つの画面にまとめられたダッシュボードの構造を示しています。
| データセット | シリーズ | ステータス |
|---|---|---|
| 株価指数（EU/米国） | 10年 | アクティブ |
| 債券 | 8年 | アクティブ |
| 代替データソース | 4年 | 検証中 |
回答は統合、セキュリティ、モデルの操作に焦点を当てていました。
ユーザーとプラットフォーム間のすべてのデータ トラフィックは暗号化されます。市場データとモデルの出力はアカウント データとは別に保存されるため、分析にアクセスしてもユーザーの個人情報についての洞察は得られません。
モデルは、最新の市場データに基づいて 15 分ごとに再計算されます。市場に大きな変動があった場合、固定間隔に関係なく、中間的な再計算がトリガーされることがあります。
このプラットフォームは、シグナルとポートフォリオ データを読み取るための API アクセスを提供します。ダッシュボード外部の分析と内部データを組み合わせたい場合は、一般的なスプレッドシートおよび BI 形式へのエクスポートが可能です。
登録後は、さらなる実装を決定する前に、バックテスト結果とアクティブなモデルの概要にアクセスできるようになります。