Payung Hasilwan přeměňuje nestrukturovaná tržní data na signály přizpůsobené riziku, ověřené oproti historické výkonnosti dříve, než se dostanou na váš stůl.
Každý signál zobrazený na platformě je spárován s jeho zpětně testovaným výkonem napříč předchozími tržními režimy, takže můžete posoudit spolehlivost, než budete jednat.
Trhy se přeceňují rychleji, než může následovat manuální průzkum. Payung Hasilwan nepřetržitě zpracovává údaje o cenách, toku objednávek a zprávách a porovnává je s modely, které již byly testovány v historických cyklech – takže signál, který vidíte, má známé výsledky, nejen teorii.
Ilustrativní znázornění síly signálu v průběhu času, jak se objevuje uvnitř konzole Payung Hasilwan.
Proces je záměrně lineární, takže každé doporučení lze vysledovat zpět k datům a podmínkám, které ho vytvořily.
Zdroje cen, podání, hloubka knihy objednávek a text zpráv jsou normalizovány do společného schématu, opatřeny časovým razítkem a odsouhlaseny před zahájením jakéhokoli modelování.
Signály kandidátů jsou vyhodnocovány v rámci více tržních podmínek, nikoli v jediném bullrunu, aby se snížila šance na strategii, která funguje pouze při zpětném pohledu.
Strategie jsou před zveřejněním zátěžově testovány s ohledem na historické čerpání a špičky volatility, přičemž vedle každé jsou zachovány metriky výkonu.
Základní modelová architektura není podrobně popsána, v souladu se standardní praxí pro platformy kvantitativního výzkumu. To, co je v plném rozsahu zveřejněno, je historický výkon každé strategie a podmínky, za kterých byla testována.
Prediktivní signály signalizují, když se korelace mezi držbami začnou odklánět od své historické základní linie, což dává správcům portfolia včasné upozornění, než se rebalance stane reaktivní, spíše než plánovaná.
Signál se spustí, když se vztahy aktiv odchylují od zpětně testovaného rozsahu používaného k nastavení vah portfolia.
Strategické týmy využívají poptávkové a cenové signály k posouzení, zda současné podmínky na trhu připomínají minulá období, která předcházela příznivým vstupním bodům, a informují o načasování kapitálových závazků spíše než o rozhodnutí zavázat se.
Skóre se odvozuje od toho, jak fungovaly podobné historické podmínky, nikoli z výhledových záruk.
Payung Hasilwan byl vyvinut na základě předpokladu, že většina obchodních ztrát pochází z jednání na základě nevyzkoušených předpokladů pod časovým tlakem. Platforma existuje, aby odstranila tento tlak tím, že dává osobám s rozhodovací pravomocí založenou na datech otestovaný základ pro akci, přičemž ke každému doporučení jsou připojeny historické záznamy.
Tým se zaměřuje na transparentnost modelu a přísnost zpětného testování marketingových tvrzení a platforma je postavena tak, aby se integrovala do stávajících pracovních postupů, spíše než aby je nahrazovala.
Technologicky zdatní obchodníci a rizikové týmy si brzy kladou stejné otázky: jak jsou data chráněna a zda platforma vydrží zátěž. Ty jsou adresovány přímo.
Data jsou při přenosu i v klidu šifrována, přičemž přístup je omezen podle rolí, takže citlivé informace o portfoliu nebo strategii mohou zobrazit pouze oprávnění uživatelé.
Rozhraní API je navrženo tak, aby zpracovávalo streamování dat o trhu a souběžné požadavky na strategii, aniž by do časově citlivých pracovních postupů zavádělo latenci materiálu.
Infrastruktura je nepřetržitě monitorována se zavedenými rutinami pro přepnutí při selhání, takže doručování signálu není závislé na jediném bodě selhání.
Data jsou šifrována v klidu a při přenosu, přístup je založen na rolích a data specifická pro klienty se nepoužívají k trénování modelů pro jiné klienty. Doba uchovávání a podmínky nakládání s daty jsou stanoveny ve smlouvě o poskytování služeb poskytnuté během onboardingu.
Každý signál je prezentován s faktory, které k němu přispěly, a historickým backtestem za ním, spíše než s jediným neprůhledným skóre. To má umožnit uživatelům posoudit zdůvodnění, nikoli pouze výstup, než se rozhodnou, zda jednat.
Zpětné testy zahrnují období vysoké volatility a prudkých poklesů a spolehlivost signálu se obvykle automaticky snižuje, když aktuální podmínky spadají mimo rozsah, ve kterém byl model testován. Žádný model nemůže zaručit výkon během skutečně bezprecedentních událostí a toto omezení je spíše zveřejněno než skryté.
Většina týmů začíná s přístupem k rozhraní API a datovým zdrojem pouze pro čtení, aby ověřila signály podle vlastních záznamů, než investují kapitál nebo integrují platformu do živých pracovních postupů. Termíny závisí na stávající infrastruktuře a rozsahu požadované integrace.