Northfernwayt pokreće stohastičko modeliranje na višegodišnjim skupovima podataka kako bi identificirao strategije s mjerljivom povijesnom izvedbom, a zatim izvršava podršku odlučivanju s bilo koje lokacije sa stabilnom vezom.
Svaka preporuka koju izdaje Northfernwayt rezultat je definiranog niza, a ne jedno neprozirno predviđanje. Koraci u nastavku opisuju kako neobrađeni podaci postaju djelotvorna odluka.
Skupovi tržišnih, transakcijskih i operativnih podataka prikupljaju se i normaliziraju prema zajedničkom vremenskom indeksu, uklanjajući praznine u preživljavanju i ispravljajući nedosljednosti vremenske zone uobičajene u prekograničnim podacima.
Strategije kandidata primjenjuju se protiv pokretnih povijesnih prozora kako bi se utvrdili rasponi varijance, učestalost povlačenja i razdoblja oporavka pod različitim uvjetima.
Ponovno uzorkovanje u stilu Monte Carla generira distribuciju vjerojatnih ishoda za svaku strategiju, umjesto oslanjanja na jedan povijesni put.
Strategije koje premašuju unaprijed definirane pragove rizika automatski se isključuju prije nego bilo koji rezultat dosegne sloj odluke koji se prezentira korisniku.
Temeljna logika sustava svaku preporuku tretira kao rezultat ponderiran prema vjerojatnosti, a ne kao jamstvo. Intervali pouzdanosti prate svaki rezultat, a strategije se ponovno procjenjuju na tekućoj osnovi kako novi podaci ulaze u skup podataka.
Platforma je izgrađena od tri koordinirane komponente. Svaki od njih radi neovisno, ali dijeli zajednički skup podataka, čime se smanjuje rizik od nedosljednih rezultata u modulima.
Dolazni tržišni i operativni podaci kontinuirano se obrađuju, s preračunatim pozicijama koje se izdaju u fiksnim intervalima, a ne samo na zahtjev. To smanjuje odmak između promjene temeljnih uvjeta i ažuriranja aktivnih preporuka, što je važno kada radite u različitim vremenskim zonama bez fiksnog rasporeda.
Ograničenja izloženosti izračunavaju se po strategiji na temelju povijesnog ponašanja smanjenja, a ne fiksnih postotaka. Kada simulirana varijanca premaši konfiguriranu toleranciju, mehanizam automatski smanjuje veličinu položaja prije nego što se promjena prikaže korisniku, a ne nakon toga.
Modeli se ponovno obučavaju na fiksnoj kadenci pomoću prozora podataka koji se širi, uz primjenu testiranja izvan uzorka prije nego što bilo koji ažurirani model zamijeni onaj koji je trenutno u proizvodnji. Povijest verzija se zadržava tako da se izvedba može pripisati određenoj iteraciji modela.
Northfernwayt je dizajniran oko ograničenja zajedničkog neovisnim operaterima i mobilnim investitorima: neredoviti pristupni prozori i promjenjiva povezanost. Sustav donosi odluke unaprijed kada je to moguće i lokalno zadržava stanje kada veza padne, nastavljajući sinkronizaciju nakon ponovnog uspostavljanja pristupa.
Konfiguracija se obrađuje jednom po skupu strategije. Nakon toga, analitički sloj radi prema vlastitom rasporedu, a korisnik pregledava izlaze umjesto da kontinuirano upravlja ulazima.
Umjesto da se oslanja na svjedočanstva, Northfernwayt dokumentira kako je konstruirano testiranje unatrag tako da se metodologija može ocijeniti prema vlastitim uvjetima.
Strategije se testiraju prema povijesnim podacima od najmanje pet godina, ako su dostupni, koristeći razdoblja izvan uzorka koja su isključena iz početne obuke modela kako bi se smanjila pristranost prekomjernog opremanja.
Izvorni podaci prije uključivanja provjeravaju se zbog praznina, dvostrukih unosa i pristranosti gledanja unaprijed. Skupovi podataka s neriješenim problemima integriteta označeni su i isključeni iz unosa aktivnog modela.
Povijesni rezultati prikazuju se zajedno s njihovim rasponom varijance i razdobljem testiranja, a ne kao jedna naslovna brojka, tako da uvjeti iza rezultata ostaju vidljivi.
Odgovori u nastavku odnose se na pitanja koja se najčešće postavljaju prije uključivanja, pokrivajući granice rukovanja podacima, integracije i automatizacije.
Podaci se obrađuju u svrhu generiranja strateških preporuka i ne prodaju se trećim stranama. Razdoblja zadržavanja i opseg obrade navedeni su u dokumentaciji platforme o rukovanju podacima koja se daje tijekom integracije.
Razine automatizacije se mogu konfigurirati. Neki korisnici zahtijevaju ručnu potvrdu prije izvršenja; drugi dopuštaju sustavu da djeluje unutar unaprijed definiranih parametara rizika. Oba načina koriste isti temeljni izlaz modela.
Sustav lokalno zadržava zadnje potvrđeno stanje i ne pokreće nove pozicije dok nije povezan. Prilikom ponovnog povezivanja, usklađuje stanje prije nastavka zakazanih ponovnih izračuna.
Rezultati testiranja unatrag opisuju kako se strategija ponašala u povijesnim uvjetima. Prijavljeni su s rasponima varijance, a ne kao fiksna očekivanja, a tržišni uvjeti mogu se razlikovati od bilo kojeg povijesnog razdoblja testiranja.
Integracija ovisi o dostupnom API pristupu davatelja računa. Podržane integracije navedene su tijekom postavljanja, a nepodržani pružatelji mogu se pregledati na zahtjev.
Upiti tehničke podrške koji se odnose na integraciju ili konfiguraciju podataka rješavaju se putem kontakt kanala navedenog na stranici Kontakt, obično u roku od jednog radnog dana, australsko istočno vrijeme.
Uključivanje počinje pregledom vaših izvora podataka i parametara rizika, nakon čega slijedi testiranje unatrag prema vašoj specifičnoj konfiguraciji prije nego što se bilo koja strategija omogući za automatsku upotrebu.
Uobičajeni pregled postavljanja traje jedan do tri radna dana, ovisno o broju povezanih izvora podataka.