Pjgalicia exécute des modèles prédictifs basés sur l'IA qui traitent les données de marché en continu, aidant ainsi les investisseurs indépendants de l'emplacement à réduire les risques et à agir sur la base de preuves plutôt que de conjectures, quel que soit l'endroit où ils travaillent.
Explorez les modèles
Pjgalicia ingère un grand volume de données de marché en temps réel et les achemine via des protocoles backtestés avant qu'une recommandation ne parvienne à un utilisateur. L’objectif est de réduire la variance : réduire l’éventail des résultats probables plutôt que de rechercher le plus large. Il s’agit d’une ingénierie calme, et non d’une spéculation déguisée en perspicacité.
La plateforme est conçue pour fonctionner sans emplacement fixe, sans fuseau horaire ni surveillance humaine constante. Chaque fonction ci-dessous répond à une contrainte logistique spécifique de gestion du capital en déplacement.
Des seuils préconfigurés permettent à la plateforme d'agir selon une logique basée sur des règles entre les sessions, afin qu'une connexion manquée ou un long vol ne se traduise pas par un signal manqué.
L'infrastructure est distribuée pour maintenir des temps de réponse cohérents, qu'un utilisateur se connecte depuis un espace de coworking à Lisbonne ou un réseau d'hôtels à Singapour.
Lorsque l'exposition sort d'une bande de tolérance définie, l'utilisateur est immédiatement averti, avec le point de données sous-jacent qui a déclenché l'alerte.
Chaque production peut être retracée à travers trois étapes. Aucun d’entre eux n’est caché derrière une boîte noire.
Les données de marché structurées et non structurées sont collectées auprès de plusieurs bourses et sources économiques, normalisées et horodatées pour des raisons de cohérence.
Les modèles entraînés identifient les structures récurrentes de volatilité, de corrélation et de liquidité, signalant les modèles qui ont historiquement précédé des changements significatifs.
Les résultats sont filtrés en fonction de la tolérance au risque et de la composition du portefeuille déclarées par l'utilisateur, produisant une recommandation adaptée à son exposition réelle.
Plutôt que de s'appuyer sur des témoignages clients, Pjgalicia publie la logique de son propre processus de validation. Chaque modèle est comparé à dix années de volatilité enregistrée, y compris des périodes de forte contraction, pour observer comment ses recommandations auraient résisté.
Représentation illustrative de la récupération après la baisse du modèle sur des fenêtres de backtest simulées sur dix ans. Il ne s’agit pas d’une prévision des résultats futurs.
Le backtest existe pour affiner le modèle, pas pour le commercialiser. Chaque exécution fait surface là où un protocole a sous-performé, ce qui éclaire la prochaine itération de réglage de réduction de la variance.
Les performances passées, simulées ou historiques, sont utilisées en interne comme outil de raffinement. Il ne garantit pas les résultats futurs et aucun modèle ne supprime entièrement le risque d’investissement.
Les données sont chiffrées en transit et au repos, et conservées uniquement pendant la période nécessaire à l'exécution et à l'affinement des modèles pertinents. L'accès est enregistré et limité aux systèmes qui en ont besoin pour fonctionner.
La plateforme expose une API pour l'accès en lecture aux sorties du modèle et à la configuration des alertes, lui permettant de s'associer aux tableaux de bord de courtage existants plutôt que de les remplacer.
Les temps de réponse varient en fonction de la connectivité locale, mais l'infrastructure sous-jacente est répartie spécifiquement entre les régions pour maintenir un délai de traitement cohérent entre les fuseaux horaires.