Zelborinyx verwerkt voortdurend grote hoeveelheden marktgegevens van mondiale beurzen, waardoor institutionele beleggers en technisch onderlegde handelaren in Groot-Brittannië signalen krijgen die zijn gebaseerd op kwantitatieve modellen - niet op oordeelsvermogen.
Het platform combineert statistische voorverwerking met leermodellen om patronen in grote datastromen te identificeren die te complex zijn voor handmatige analyse.
Het systeem verwerkt voortdurend prijsgegevens, orderboekdiepte en gestructureerde berichtenstromen en werkt zijn beoordeling van de marktsituatie met korte tussenpozen bij in plaats van te wachten op dagelijkse rapporten.
Elke aanbeveling wordt getoetst aan historische stressscenario’s voordat deze wordt uitgebracht. Positiegroottes zijn gebaseerd op de gemeten volatiliteit van het betreffende instrument.
De infrastructuur is zo ingericht dat extra databronnen, beleggingscategorieën of portefeuilles kunnen worden gekoppeld zonder fundamentele nieuwbouw.
Zelborinyx vertrouwt op een meerfasig proces dat bestaat uit statistische voorverwerking, multivariate regressiemodellen en neurale netwerken om terugkerende patronen in uitgebreide datastromen te identificeren die nauwelijks merkbaar zijn bij handmatige screening. Het doel is niet om individuele prijsbewegingen te voorspellen, maar eerder om op systematische wijze kansen te evalueren waaruit een herhaalbaar statistisch voordeel kan worden afgeleid.
Vóór de release wordt elke modelversie getest op historische marktperioden met verschillende niveaus van volatiliteit om de consistentie van de resultaten over verschillende marktcycli te beoordelen. De meningen van individuele analisten spelen geen rol in het evaluatieproces.
Marktgegevens, macro-economische indicatoren en gestructureerde nieuwsbronnen worden van verschillende aanbieders samengebracht, opgeschoond en in een uniform tijdsbestek gebracht voordat ze in de modellering worden opgenomen.
De verwerkte gegevens lopen door een geheel van regressiemodellen en neurale netwerken die zijn getraind op historische tijdsperioden en voortdurend worden gecontroleerd aan de hand van nieuwe, voorheen ongeziene gegevens.
Uit de modelresultaten worden concrete, geprioriteerde suggesties afgeleid – bijvoorbeeld met betrekking tot positieomvang of hedgingvereisten – samen met documentatie van de onderliggende aannames.
Een beleggingsteam gebruikt de modelresultaten van Zelborinyx om bestaande posities af te dekken tegen marktvolatiliteit op de korte termijn. Het platform biedt voortdurend bijgewerkte marktvolatiliteitsprognoses en stelt geschikte hedginginstrumenten voor waarvan de historische effectiviteit in de betreffende marktomgeving is gedocumenteerd.
Strategische planningsteams bij bedrijven met een connectie met de kapitaalmarkt gebruiken de analyses om budgetscenario’s te toetsen aan verschillende marktomstandigheden. In plaats van individuele puntschattingen ontvangt u een scala aan plausibele ontwikkelingen met de onderliggende aannames, wat de interne coördinatie van hedgingstrategieën eenvoudiger maakt.
De basis voor de beslissing is het begrijpelijk testen van het model, niet het beweren van een resultaat.
Elke strategie wordt getest op historische gegevens over meerdere volledige marktcycli, inclusief periodes van verhoogde volatiliteit en lage liquiditeit, om een realistische beoordeling van de robuustheid te geven.
De verwerking van nieuwe marktgegevens tot aan de bijgewerkte modeluitvoer vindt plaats in het bereik van milliseconden, zodat handelsbeslissingen altijd gebaseerd zijn op een actueel marktbeeld.
Multivariate regressiemodellen en neurale netwerken worden voortdurend gecontroleerd aan de hand van gegevens buiten de steekproef die geen deel uitmaakten van de trainingsperiode om overfitting te voorkomen.
Een technisch adviesgesprek laat zien welke databronnen en modelconfiguraties relevant zijn voor uw portfolio of strategische planning – geheel vrijblijvend en zonder verkoopdruk.
Als u directe vragen heeft, kunt u contact opnemen met ons team de contactpagina.