Pjgalicia pokreće prediktivne modele vođene umjetnom inteligencijom koji kontinuirano obrađuju tržišne podatke, pomažući investitorima neovisnim o lokaciji da smanje rizik i djeluju na temelju dokaza, a ne nagađanja, gdje god radili.
Istražite modele
Pjgalicia unosi veliku količinu tržišnih podataka u stvarnom vremenu i usmjerava ih kroz protokole koji su testirani prije nego što bilo kakva preporuka stigne do korisnika. Cilj je smanjenje varijance: sužavanje raspona mogućih ishoda umjesto traženja najšireg. Ovo je smireno inženjerstvo, a ne nagađanje maskirano kao uvid.
Platforma je dizajnirana da funkcionira bez fiksne lokacije, vremenske zone ili stalnog ljudskog nadzora. Svaka funkcija u nastavku bavi se određenim logističkim ograničenjem upravljanja kapitalom tijekom putovanja.
Unaprijed konfigurirani pragovi omogućuju platformi da djeluje prema logici koja se temelji na pravilima između sesija, tako da se propuštena veza ili dugi let ne pretvaraju u propušteni signal.
Infrastruktura je distribuirana kako bi vrijeme odziva bilo dosljedno bez obzira povezuje li se korisnik iz co-working prostora u Lisabonu ili hotelske mreže u Singapuru.
Kada se izloženost pomakne izvan definiranog raspona tolerancije, korisnik je odmah obaviješten, s temeljnom podatkovnom točkom koja je pokrenula upozorenje.
Svaki izlaz može se pratiti kroz tri faze. Nitko od njih nije skriven iza crne kutije.
Strukturirani i nestrukturirani tržišni podaci prikupljaju se iz više razmjena i ekonomskih izvora, normalizirani i označeni vremenskim žigom radi dosljednosti.
Uvježbani modeli identificiraju ponavljajuće strukture u volatilnosti, korelaciji i likvidnosti, označavajući obrasce koji su povijesno prethodili značajnim promjenama.
Nalazi se filtriraju prema korisnikovoj navedenoj toleranciji rizika i sastavu portfelja, dajući preporuku prilagođenu njihovoj stvarnoj izloženosti.
Umjesto da se oslanja na izjave klijenata, Pjgalicia objavljuje logiku vlastitog procesa provjere valjanosti. Svaki se model uspoređuje s desetogodišnjom zabilježenom volatilnošću, uključujući razdoblja oštre kontrakcije, kako bi se promatralo kako bi se njegove preporuke održale.
Ilustrativni prikaz oporavka pada modela kroz simulirane desetogodišnje periode testiranja. Nije prognoza budućih rezultata.
Backtest postoji kako bi poboljšao model, a ne kako bi ga plasirao na tržište. Svako pokretanje pokazuje gdje je protokol imao lošu izvedbu, što obavještava sljedeću iteraciju podešavanja smanjenja varijance.
Prošla izvedba, simulirana ili povijesna, koristi se interno kao alat za usavršavanje. Ne jamči buduće rezultate i niti jedan model u potpunosti ne uklanja rizik ulaganja.
Podaci se šifriraju u prijenosu i mirovanju te se zadržavaju samo tijekom razdoblja potrebnog za pokretanje i pročišćavanje relevantnih modela. Pristup se bilježi i ograničen je na sustave kojima je potreban za rad.
Platforma izlaže API za pristup čitanju izlazima modela i konfiguraciji upozorenja, dopuštajući joj da sjedi uz postojeće brokerske nadzorne ploče umjesto da ih zamijeni.
Vremena odgovora variraju ovisno o lokalnoj povezanosti, ali temeljna infrastruktura raspoređena je po regijama posebno kako bi kašnjenje obrade bilo dosljedno u različitim vremenskim zonama.