Northfernwayt führt eine stochastische Modellierung anhand mehrjähriger Datensätze durch, um Strategien mit messbarer historischer Leistung zu identifizieren, und führt dann die Entscheidungsunterstützung von jedem Standort mit einer stabilen Verbindung aus.
Jede von Northfernwayt ausgegebene Empfehlung ist die Ausgabe einer definierten Sequenz und keine einzelne undurchsichtige Vorhersage. Die folgenden Schritte beschreiben, wie aus Rohdaten eine umsetzbare Entscheidung wird.
Markt-, Transaktions- und Betriebsdatensätze werden gesammelt und anhand eines gemeinsamen Zeitindex normalisiert, wodurch Überlebenslücken beseitigt und Zeitzoneninkonsistenzen korrigiert werden, die bei grenzüberschreitenden Daten häufig vorkommen.
Kandidatenstrategien werden auf rollierende historische Fenster angewendet, um Varianzbereiche, Drawdown-Häufigkeit und Erholungsperioden unter unterschiedlichen Bedingungen festzulegen.
Das Resampling im Monte-Carlo-Stil generiert eine Verteilung plausibler Ergebnisse für jede Strategie, anstatt sich auf einen einzigen historischen Pfad zu verlassen.
Strategien, die vordefinierte Risikoschwellen überschreiten, werden automatisch ausgeschlossen, bevor eine Ausgabe die dem Benutzer präsentierte Entscheidungsebene erreicht.
Die zugrunde liegende Systemlogik behandelt jede Empfehlung als wahrscheinlichkeitsgewichtete Ausgabe und nicht als Garantie. Zu jedem Ergebnis gibt es Konfidenzintervalle, und Strategien werden fortlaufend neu bewertet, wenn neue Daten in den Datensatz eingehen.
Die Plattform besteht aus drei aufeinander abgestimmten Komponenten. Jedes arbeitet unabhängig, nutzt jedoch einen gemeinsamen Datensatz, wodurch das Risiko inkonsistenter Ausgaben zwischen den Modulen verringert wird.
Eingehende Markt- und Betriebsdaten werden kontinuierlich verarbeitet, wobei neu berechnete Positionen in festen Abständen und nicht nur auf Abruf ausgegeben werden. Dadurch wird die Verzögerung zwischen einer Änderung der Grundbedingungen und einer Aktualisierung der aktiven Empfehlungen verringert, was bei der Arbeit über Zeitzonen hinweg ohne festen Zeitplan wichtig ist.
Die Risikolimits werden pro Strategie auf der Grundlage des historischen Drawdown-Verhaltens und nicht auf der Grundlage fester Prozentsätze berechnet. Wenn die simulierte Varianz die konfigurierte Toleranz überschreitet, reduziert die Engine die Positionsgröße automatisch, bevor die Änderung dem Benutzer angezeigt wird, und nicht erst im Nachhinein.
Modelle werden in einem festen Rhythmus unter Verwendung eines expandierenden Datenfensters neu trainiert, wobei Out-of-Sample-Tests durchgeführt werden, bevor ein aktualisiertes Modell das aktuell in Produktion befindliche Modell ersetzt. Der Versionsverlauf wird beibehalten, sodass die Leistung einer bestimmten Modelliteration zugeordnet werden kann.
Northfernwayt wurde unter Berücksichtigung einer Einschränkung entwickelt, die unabhängigen Betreibern und Mobilfunkinvestoren gemeinsam ist: unregelmäßige Zugriffsfenster und variable Konnektivität. Das System trifft Entscheidungen nach Möglichkeit im Voraus und hält den Status lokal, wenn eine Verbindung unterbrochen wird, und nimmt die Synchronisierung wieder auf, sobald der Zugriff wiederhergestellt ist.
Die Konfiguration wird einmal pro Strategiesatz durchgeführt. Danach läuft die analytische Ebene nach ihrem eigenen Zeitplan und der Benutzer überprüft die Ausgaben, anstatt die Eingaben kontinuierlich zu verwalten.
Anstatt sich auf Erfahrungsberichte zu verlassen, dokumentiert Northfernwayt, wie das Backtesting aufgebaut ist, sodass die Methodik anhand ihrer eigenen Bedingungen beurteilt werden kann.
Die Strategien werden, sofern verfügbar, anhand historischer Daten aus mindestens fünf Jahren getestet, wobei Zeiträume außerhalb der Stichprobe verwendet werden, die vom anfänglichen Modelltraining ausgeschlossen sind, um Überanpassungsverzerrungen zu reduzieren.
Die Quelldaten werden vor der Aufnahme auf Lücken, doppelte Einträge und Voreingenommenheit überprüft. Datensätze mit ungelösten Integritätsproblemen werden gekennzeichnet und von aktiven Modelleingaben ausgeschlossen.
Historische Ergebnisse werden zusammen mit ihrem Varianzbereich und ihrem Testzeitraum und nicht als einzelne Schlagzeilenzahl gemeldet, sodass die Bedingungen hinter einem Ergebnis sichtbar bleiben.
Die folgenden Antworten beziehen sich auf die Fragen, die vor dem Onboarding am häufigsten gestellt werden, und beziehen sich auf Datenverarbeitung, Integration und Automatisierungsgrenzen.
Die Daten werden zum Zwecke der Generierung von Strategieempfehlungen verarbeitet und nicht an Dritte verkauft. Aufbewahrungsfristen und Verarbeitungsumfang sind in der beim Onboarding zur Verfügung gestellten Datenverarbeitungsdokumentation der Plattform festgelegt.
Automatisierungsstufen sind konfigurierbar. Einige Benutzer benötigen vor der Ausführung eine manuelle Bestätigung. andere erlauben dem System, innerhalb vordefinierter Risikoparameter zu agieren. Beide Modi verwenden die gleiche zugrunde liegende Modellausgabe.
Das System behält den zuletzt bestätigten Zustand lokal bei und initiiert bei getrennter Verbindung keine neuen Positionen. Bei erneuter Verbindung wird der Status abgeglichen, bevor die geplanten Neuberechnungen fortgesetzt werden.
Backtest-Ergebnisse beschreiben, wie sich eine Strategie unter historischen Bedingungen verhielt. Sie werden mit Abweichungsbereichen und nicht als feste Erwartungen gemeldet, und die Marktbedingungen können von historischen Testperioden abweichen.
Die Integration hängt vom verfügbaren API-Zugriff des Kontoanbieters ab. Unterstützte Integrationen werden während der Einrichtung aufgelistet und nicht unterstützte Anbieter können auf Anfrage überprüft werden.
Technische Supportanfragen im Zusammenhang mit der Integration oder Datenkonfiguration werden über den auf der Kontaktseite aufgeführten Kontaktkanal bearbeitet, in der Regel innerhalb eines Werktages (Australian Eastern Time).
Das Onboarding beginnt mit einer Überprüfung Ihrer Datenquellen und Risikoparameter, gefolgt von einem Backtestlauf anhand Ihrer spezifischen Konfiguration, bevor eine Strategie für die automatisierte Verwendung aktiviert wird.
Die typische Einrichtungsüberprüfung dauert je nach Anzahl der verbundenen Datenquellen ein bis drei Werktage.