自動化された意思決定の最適化に使用される Northfernwayt データ分析インターフェイス
携帯電話事業者向けの意思決定の最適化

自動化された戦略決定、導入前に過去の差異に対してテスト

Northfernwayt は、複数年のデータセットに対して確率的モデリングを実行して、測定可能な履歴パフォーマンスを持つ戦略を特定し、安定した接続があればどこからでも意思決定支援を実行します。

方法論

履歴データを意思決定の入力に変換するための構造化されたプロセス

Northfernwayt によって発行される各推奨事項は、単一の不透明な予測ではなく、定義されたシーケンスの出力です。以下の手順は、生データがどのようにして実用的な決定となるかを概説します。

01
データの取り込みと正規化

市場、取引、運用のデータセットが収集され、共通の時間インデックスに対して正規化され、生存者のギャップが解消され、国境を越えたデータによく見られるタイムゾーンの不一致が修正されます。

02
過去の差異マッピング

候補戦略は、ローリング履歴ウィンドウに対して適用され、さまざまな条件下での差異範囲、ドローダウン頻度、および回復期間を確立します。

03
確率的シミュレーション

モンテカルロ スタイルのリサンプリングでは、単一の歴史的パスに依存するのではなく、各戦略について妥当な結果の分布が生成されます。

04
制約フィルタリング

事前に定義されたリスクしきい値を超える戦略は、出力がユーザーに表示される意思決定層に到達する前に自動的に除外されます。

基礎となるシステム ロジックは、すべての推奨事項を保証ではなく、確率で重み付けされた出力として扱います。各結果には信頼区間が付属しており、新しいデータがデータセットに入力されると戦略が定期的に再評価されます。

能力

意思決定支援エンジンの技術コンポーネント

プラットフォームは、調整された 3 つのコンポーネントから構築されます。それぞれは独立して動作しますが、共通のデータセットを共有するため、モジュール間で出力が一貫しないリスクが軽減されます。

モジュール01
リアルタイム分析

受信する市場および運用データは継続的に処理され、再計算されたポジションはオンデマンドのみではなく一定の間隔で発行されます。これにより、基礎的な条件の変化とアクティブな推奨事項の更新との間のラグが軽減されます。これは、固定スケジュールなしでタイムゾーンをまたがって作業する場合に重要になります。

モジュール02
リスク軽減エンジン

エクスポージャ制限は、固定パーセンテージではなく、過去のドローダウン挙動に基づいて戦略ごとに計算されます。シミュレートされた分散が設定された許容値を超えると、エンジンは、変更が事後ではなくユーザーに表示される前にポジションのサイジングを自動的に縮小します。

モジュール03
予測モデリング仕様

モデルは、拡張データ ウィンドウを使用して固定の頻度で再トレーニングされ、更新されたモデルが現在実稼働中のモデルに置き換わる前に、サンプル外テストが適用されます。バージョン履歴が保持されるため、パフォーマンスは特定のモデルの反復によるものと考えられます。

モデルのパフォーマンスをリモートでレビューするために使用される Northfernwayt 分析ワークスペース
動作コンテキスト

固定デスクなしで意思決定できるように設計

Northfernwayt は、不規則なアクセス ウィンドウと可変接続性という、独立系通信事業者とモバイル投資家に共通する制約を中心に設計されました。システムは可能な場合には事前に決定を出し、接続が切断されたときに状態をローカルに保持し、アクセスが回復すると同期を再開します。

構成は戦略セットごとに 1 回処理されます。その後、分析レイヤーは独自のスケジュールで実行され、ユーザーは入力を継続的に管理するのではなく、出力をレビューします。

透明性

過去のパフォーマンスは約束ではなくプロセスとして示される

Northfernwayt は、体験談に頼るのではなく、方法論を独自の条件で評価できるようにバックテストがどのように構築されるかを文書化しています。

バックテストのプロセス

戦略は、過剰適合バイアスを減らすために初期モデルのトレーニングから除外されたサンプル外期間を使用して、利用可能な場合は少なくとも 5 年間の履歴データに対してテストされます。

データの整合性

ソース データは、含める前にギャップ、重複エントリ、先読みバイアスがないかチェックされます。未解決の整合性の問題があるデータセットにはフラグが付けられ、アクティブなモデル入力から除外されます。

結果報告

過去の結果は、単一の見出しの数字としてではなく、その変動範囲とテスト期間とともに報告されるため、結果の背後にある状況が常に見えるようになります。

連続したテスト ウィンドウにわたるローリング バックテストの分布を示す図。将来の結果を予測するものではありません。
よくある質問

技術的および操作上の質問

以下の回答は、データ処理、統合、自動化の境界をカバーする、オンボーディング前に最も一般的に寄せられる質問に対応しています。

アカウントと取引データはどのように扱われますか?

データは戦略の推奨事項を生成する目的で処理され、第三者に販売されることはありません。保持期間と処理範囲は、オンボーディング中に提供されるプラットフォームのデータ処理ドキュメントに定められています。

毎回手動で確認せずに戦略を実行できますか?

自動化レベルは構成可能です。一部のユーザーは、実行前に手動による確認を必要とします。他のものは、システムが事前に定義されたリスクパラメータ内で動作することを許可します。どちらのモードも、同じ基礎となるモデル出力を使用します。

セッション中に接続が中断された場合はどうなりますか?

システムは最後に確認された状態をローカルに保持し、切断されている間は新しい位置を開始しません。再接続時に、スケジュールされた再計算を再開する前に状態を調整します。

バックテストされたパフォーマンスは将来の結果を表していますか?

バックテストの結果は、過去の状況下で戦略がどのように動作したかを説明します。これらは固定された期待値としてではなく変動範囲を含めて報告されており、市場の状況は過去のテスト期間とは異なる場合があります。

プラットフォームは既存の証券口座または取引所口座と統合されていますか?

統合は、アカウントプロバイダーが利用できる API アクセスに応じて異なります。サポートされている統合はセットアップ中にリストされ、サポートされていないプロバイダーはリクエストに応じて確認できます。

統合またはデータ構成に関連するテクニカル サポートの問い合わせは、[問い合わせ] ページにリストされている問い合わせチャネルを通じて、通常はオーストラリア東部時間で 1 営業日以内に処理されます。

次のステップ

ライブ データセットを接続する前に、モデルのドキュメントを確認してください。

オンボーディングは、データ ソースとリスク パラメーターのレビューから始まり、その後、戦略が自動使用可能になる前に、特定の構成に対してバックテストが実行されます。

システムの初期化

接続されているデータ ソースの数に応じて、通常、セットアップのレビューには 1 ~ 3 営業日かかります。