Payung Hasilwan transforme les données de marché non structurées en signaux ajustés au risque, validés par rapport aux performances historiques avant qu'ils n'atteignent votre bureau.
Chaque signal affiché sur la plateforme est associé à ses performances back-testées dans les régimes de marché précédents, afin que vous puissiez juger de la fiabilité avant d'agir.
Les marchés réévaluent plus rapidement que la recherche manuelle ne peut suivre. Payung Hasilwan ingère en continu les données sur les prix, les flux de commandes et les actualités, en les comparant à des modèles qui ont déjà été testés au cours de cycles historiques. Le signal que vous voyez a donc un historique connu, pas seulement une théorie.
Représentation illustrative de la force du signal au fil du temps, telle qu'elle apparaît à l'intérieur de la console Payung Hasilwan.
Le processus est délibérément linéaire, de sorte que chaque recommandation peut être retracée aux données et aux conditions qui l'ont produite.
Les flux de prix, les dépôts, la profondeur du carnet de commandes et le texte des actualités sont normalisés dans un schéma commun, horodatés et rapprochés avant le début de toute modélisation.
Les signaux candidats sont évalués dans plusieurs conditions de marché, et non dans une seule tendance haussière, afin de réduire les risques d'une stratégie qui ne fonctionne qu'avec le recul.
Les stratégies sont soumises à des tests de résistance par rapport aux baisses historiques et aux pics de volatilité avant d'être publiées, les mesures de performance étant conservées à côté de chacune d'entre elles.
L'architecture du modèle sous-jacent n'est pas divulguée en détail, conformément à la pratique standard pour les plateformes de recherche quantitative. Ce qui est entièrement divulgué, ce sont les performances historiques de chaque stratégie et les conditions dans lesquelles elle a été testée.
Les signaux prédictifs signalent lorsque les corrélations entre les titres commencent à s’éloigner de leur niveau de référence historique, prévenant ainsi les gestionnaires de portefeuille avant qu’un rééquilibrage ne devienne réactif plutôt que prévu.
Le signal se déclenche lorsque les relations entre les actifs s'écartent de la plage back-testée utilisée pour définir les pondérations du portefeuille.
Les équipes stratégiques utilisent les signaux de demande et de prix pour évaluer si les conditions actuelles du marché ressemblent aux périodes passées qui ont précédé des points d'entrée favorables, éclairant ainsi le calendrier des engagements de capitaux plutôt que la décision de s'engager.
Les scores sont dérivés de l’évolution de conditions historiques similaires, et non de garanties prospectives.
Payung Hasilwan a été développé en partant du principe que la plupart des pertes commerciales proviennent de l'action sur des hypothèses non testées sous pression de temps. La plateforme existe pour éliminer cette pression en donnant aux décideurs basés sur les données une base d'action testée, avec l'historique joint à chaque recommandation.
L'équipe se concentre sur la transparence du modèle et la rigueur des backtests sur les allégations marketing, et la plate-forme est conçue pour s'intégrer aux flux de travail existants plutôt que de les remplacer.
Les traders férus de technologie et les équipes de gestion des risques posent très tôt les mêmes questions : comment les données sont-elles protégées et la plateforme résistera-t-elle sous la charge. Ceux-ci sont abordés directement.
Les données sont cryptées en transit et au repos, avec un accès limité par rôle afin que seuls les utilisateurs autorisés puissent consulter les informations sensibles sur le portefeuille ou la stratégie.
L'API est conçue pour gérer le streaming des données de marché et les demandes de stratégie simultanées sans introduire de latence importante dans les flux de travail sensibles au facteur temps.
L'infrastructure est surveillée en permanence, avec des routines de basculement en place afin que la transmission du signal ne dépende pas d'un seul point de défaillance.
Les données sont chiffrées au repos et en transit, l'accès est basé sur les rôles et les données spécifiques au client ne sont pas utilisées pour former des modèles pour d'autres clients. Les périodes de conservation et les conditions de traitement des données sont définies dans le contrat de service fourni lors de l'intégration.
Chaque signal est présenté avec les facteurs qui y ont contribué et le backtest historique qui le sous-tend, plutôt qu'un seul score opaque. L'objectif est de permettre aux utilisateurs d'évaluer le raisonnement, et pas seulement le résultat, avant de décider d'agir ou non.
Les backtests incluent des périodes de forte volatilité et de fortes baisses, et la confiance du signal est généralement réduite automatiquement lorsque les conditions actuelles sortent de la plage par rapport à laquelle le modèle a été testé. Aucun modèle ne peut garantir les performances lors d’événements véritablement sans précédent, et cette limitation est révélée plutôt que cachée.
La plupart des équipes commencent par un accès API et un flux de données en lecture seule pour valider les signaux par rapport à leurs propres enregistrements avant d'engager du capital ou d'intégrer la plateforme dans des flux de travail en direct. Les délais dépendent de l’infrastructure existante et de la portée de l’intégration requise.