Pjgalicia obsługuje modele predykcyjne oparte na sztucznej inteligencji, które w sposób ciągły przetwarzają dane rynkowe, pomagając niezależnym od lokalizacji inwestorom zmniejszyć ryzyko i działać w oparciu o dowody, a nie domysły, niezależnie od tego, skąd akurat pochodzą.
Poznaj modele
Pjgalicia pobiera w czasie rzeczywistym duże ilości danych rynkowych i kieruje je przez sprawdzone protokoły, zanim jakakolwiek rekomendacja dotrze do użytkownika. Celem jest redukcja wariancji: zawężenie zakresu prawdopodobnych wyników, a nie pogoń za najszerszym. To spokojna inżynieria, a nie spekulacja ubrana w wgląd.
Platforma została zaprojektowana tak, aby działać bez stałej lokalizacji, strefy czasowej i stałego nadzoru człowieka. Każda z poniższych funkcji dotyczy konkretnego ograniczenia logistycznego związanego z zarządzaniem kapitałem podczas podróży.
Wstępnie skonfigurowane progi pozwalają platformie działać według logiki opartej na regułach pomiędzy sesjami, więc utracone połączenie lub długi lot nie przekładają się na utracony sygnał.
Infrastruktura jest rozproszona, aby zapewnić spójność czasów reakcji, niezależnie od tego, czy użytkownik łączy się z przestrzeni coworkingowej w Lizbonie, czy sieci hotelowej w Singapurze.
Kiedy narażenie wykracza poza zdefiniowany zakres tolerancji, użytkownik zostaje natychmiast powiadomiony, podając punkt danych, który wywołał ostrzeżenie.
Każdy wynik można prześledzić wstecz poprzez trzy etapy. Żaden z nich nie jest ukryty za czarną skrzynką.
Ustrukturyzowane i nieustrukturyzowane dane rynkowe są zbierane z wielu giełd i źródeł ekonomicznych, normalizowane i oznaczane czasem w celu zapewnienia spójności.
Wyszkolone modele identyfikują powtarzające się struktury w zakresie zmienności, korelacji i płynności, a także wzorce flagowania, które w przeszłości poprzedzały znaczące zmiany.
Wyniki są filtrowane pod kątem określonej przez użytkownika tolerancji ryzyka i składu portfela, w wyniku czego powstaje rekomendacja skalowana do jego rzeczywistego narażenia.
Zamiast polegać na referencjach klientów, Pjgalicia publikuje logikę własnego procesu walidacji. Każdy model porównuje się z dziesięcioletnimi zarejestrowanymi wahaniami, w tym okresami gwałtownych spadków, aby sprawdzić, jak zachowałyby się zawarte w nim zalecenia.
Ilustracyjne przedstawienie odzyskiwania strat w modelu w symulowanych dziesięcioletnich oknach analizy historycznej. Nie jest to prognoza przyszłych wyników.
Test historyczny ma na celu udoskonalenie modelu, a nie jego marketing. W każdym przebiegu wychodzą na jaw obszary, w których protokół działał słabo, co stanowi informację dla następnej iteracji dostrajania w celu redukcji wariancji.
Dotychczasowe wyniki, symulowane lub historyczne, są wykorzystywane wewnętrznie jako narzędzie do udoskonalania. Nie gwarantuje przyszłych wyników, a żaden model nie eliminuje całkowicie ryzyka inwestycyjnego.
Dane są szyfrowane podczas przesyłania i przechowywania oraz przechowywane wyłącznie przez okres niezbędny do uruchomienia i udoskonalenia odpowiednich modeli. Dostęp jest rejestrowany i ograniczony do systemów, które tego potrzebują do działania.
Platforma udostępnia interfejs API umożliwiający dostęp do odczytu danych wyjściowych modelu i konfiguracji alertów, dzięki czemu może znajdować się obok istniejących pulpitów brokerskich, a nie je zastępować.
Czasy reakcji różnią się w zależności od łączności lokalnej, ale podstawowa infrastruktura jest rozproszona w różnych regionach, aby zapewnić spójne opóźnienie przetwarzania w różnych strefach czasowych.