Zelborinyx bearbetar kontinuerligt stora volymer marknadsdata från globala börser, förser institutionella investerare och teknikkunniga handlare i Storbritannien med signaler baserade på kvantitativa modeller – inte bedömningar.
Plattformen kombinerar statistisk förbearbetning med inlärningsmodeller för att identifiera mönster i stora dataströmmar som är för komplexa för manuell analys.
Systemet bearbetar löpande prisdata, orderbokdjup och strukturerade meddelandeflöden och uppdaterar sin bedömning av marknadsläget med korta intervall istället för att vänta på dagliga rapporter.
Varje rekommendation testas mot historiska stressscenarier innan den utfärdas. Positionsstorlekar baseras på den uppmätta volatiliteten för respektive instrument.
Infrastrukturen är utformad så att ytterligare datakällor, tillgångsklasser eller portföljer kan kopplas ihop utan grundläggande nyutveckling.
Zelborinyx förlitar sig på en flerstegsprocess bestående av statistisk förbearbetning, multivariata regressionsmodeller och neurala nätverk för att identifiera återkommande mönster i omfattande dataströmmar som knappast märks vid manuell screening. Syftet är inte att förutsäga individuella prisrörelser, utan snarare att systematiskt utvärdera sannolikheter från vilka en repeterbar statistisk fördel kan härledas.
Före release testas varje modellversion på historiska marknadsperioder med olika volatilitetsnivåer för att bedöma konsekvensen i resultaten över olika marknadscykler. Åsikter från enskilda analytiker spelar ingen roll i utvärderingsprocessen.
Marknadsdata, makroekonomiska indikatorer och strukturerade nyhetskällor sammanförs från olika leverantörer, rensas och förs till en enhetlig tidsram innan de införlivas i modelleringen.
Den bearbetade datan går genom en ensemble av regressionsmodeller och neurala nätverk som tränas på historiska tidsperioder och kontinuerligt kontrolleras mot ny, tidigare osynlig data.
Konkreta, prioriterade förslag hämtas från modellresultaten - till exempel avseende positionsstorlek eller säkringskrav - tillsammans med dokumentation av de underliggande antagandena.
Ett investeringsteam använder Zelborinyx:s modellutdata för att säkra befintliga positioner mot kortsiktig marknadsvolatilitet. Plattformen tillhandahåller kontinuerligt uppdaterade marknadsvolatilitetsprognoser och föreslår lämpliga säkringsinstrument vars historiska effektivitet i respektive marknadsmiljö dokumenteras.
Strategiska planeringsteam i företag med anknytning till kapitalmarknaden använder analyserna för att testa budgetscenarier mot olika marknadsförhållanden. Istället för individuella punktskattningar får du en rad rimliga utvecklingar med de underliggande antagandena, vilket gör den interna samordningen av säkringsstrategier enklare.
Grunden för beslutet är den begripliga prövningen av modellen, inte påståendet om ett resultat.
Varje strategi testas på historiska data över flera hela marknadscykler, inklusive perioder med ökad volatilitet och låg likviditet, för att ge en realistisk bedömning av robustheten.
Bearbetningen av ny marknadsdata fram till den uppdaterade modellutgången sker i millisekundsintervallet, så att handelsbeslut alltid baseras på en aktuell marknadsbild.
Multivariata regressionsmodeller och neurala nätverk kontrolleras kontinuerligt mot out-of-sample data som inte var en del av träningsperioden för att undvika överanpassning.
En teknisk konsultation visar vilka datakällor och modellkonfigurationer som är relevanta för din portfölj eller strategiska planering – utan förpliktelser och utan säljtryck.
Om du har några direkta frågor, vänligen kontakta vårt team kontaktsidan.