Vi kombinerar historisk avkastning, realtidsdata och maskininlärning till rekommendationer som du kan agera på – utan att behöva lära dig modellerna själv. Sterk Sparingsel gör det komplexa begripligt, ett beslut i taget.
Börja din analysVår plattform är baserad på tre principer som tillsammans kommer att göra handelsbeslut mer robusta: pågående analys, testning mot historisk data och medveten riskhantering.
Våra modeller hämtar och strukturerar stora mängder marknadsdata kontinuerligt, så att mönster och avvikelser fångas upp medan de fortfarande är relevanta. Fördelen med realtid är inte hastighet för hastighetens skull – det är att ditt beslut baseras på det tillstånd som marknaden faktiskt är i nu, inte igår.
Innan en strategi rekommenderas testas den mot långa tidsserier av historisk data från olika marknadsförhållanden. Detta ger en realistisk förväntning på hur strategin kunde ha fungerat tidigare och bidrar till att rekommendationerna bottnar i faktiska mönster snarare än i antaganden.
Varje rekommendation följs av en bedömning av nedåtrisk och positionsstorlek. Syftet är inte att eliminera risk – det är omöjligt i handeln – utan att göra den synlig och hanterbar, så att beslut fattas med öppna ögon snarare än på magkänsla.
Vi tror att en modell är mer pålitlig när processen bakom den är förklarad, inte dold. Nedan följer de fyra stegen från att samla in data till en färdig strategi.
Marknadsdata, volymer och relevanta makrofaktorer samlas in från etablerade källor och uppdateras kontinuerligt under hela handelsdagen.
Modellerna identifierar statistiska samband och avvikelser i data, oavsett marknadsriktning eller sentiment.
Fynden testas mot historiska perioder för att bedöma hur stabila mönstren är över tid, inte bara i ett enskilt avsnitt.
Resultatet presenteras som en konkret rekommendation med tillhörande riskbedömning, redo för dig att bedöma.
Transparens om datakällor är en del av vårt löfte. Vi använder allmänt tillgänglig marknadsdata och etablerade finansiella datakällor och anger alltid den tidsperiod som en analys baseras på.
De prediktiva modellerna anpassar sig till din tidshorisont. Nedan kan du se hur tre typer av investerare vanligtvis använder plattformen i praktiken.
Daghandlare använder realtidsmodellerna för att identifiera kortsiktiga avvikelser och volymförändringar under handelsdagen, med riskparametrar som uppdateras varje timme.
För swinghandlare läggs tonvikten på mönster som sträcker sig över flera dagar, kombinerat med backtestad historia för att bedöma den sannolika varaktigheten av en rörelse.
Långsiktiga investerare använder plattformen för att bedöma riskexponering över tid och testa hur en portfölj historiskt har reagerat på olika marknadsförhållanden.
Instrumentpanelen är sammansatt för att visa vad som är relevant då och där, utan onödiga varningar eller distraktioner. Vi har betonat ett lugnt grafiskt uttryck, så att din uppmärksamhet är på data och inte på platta effekter.
Navigering och visualiseringar förenklas så att både nya och erfarna handlare snabbt hittar relevant information.
Vid behov kan du gå vidare från en rekommendation och se vilka datapunkter och tidsperioder som ligger till grund för den.
Vi svarar direkt på det vi ofta får frågan om, utan att lova mer än vad plattformen faktiskt levererar.
Marknadsdata bearbetas kontinuerligt under hela handelsdagen, men det kommer alltid att finnas en liten fördröjning från datakällan för att visas i gränssnittet. Denna fördröjning varierar med datakälla och marknadstyp och vi anger alltid vilken period en analys baseras på.
Vi arbetar med API-integrationer mot etablerade handelsplattformar. Omfattningen av tillgängliga integrationer varierar och vi rekommenderar att du tar kontakt för att klargöra vilka system som är relevanta för dig innan du börjar.
Ingen modell kan garantera framtida avkastning. Vad vi kan säga är att varje rekommendation testas mot historiska data från flera marknadsförhållanden, och att resultaten av denna testning är tillgängliga för granskning innan du fattar ett beslut.
Vi använder etablerade och allmänt tillgängliga finansiella datakällor, och har rutiner för att kontrollera avvikelser och saknade data innan de går in i modellerna. Datakvalitet är en pågående uppgift, inte en engångskontroll.
Vi diskuterar gärna hur modellerna kan sättas upp för din tidshorisont och riskprofil.