Northfernwayt voert stochastische modellering uit op basis van meerjarige datasets om strategieën met meetbare historische prestaties te identificeren en voert vervolgens beslissingsondersteuning uit vanaf elke locatie met een stabiele verbinding.
Elke aanbeveling van Northfernwayt is de uitvoer van een gedefinieerde reeks, en niet van een enkele ondoorzichtige voorspelling. In de onderstaande stappen wordt beschreven hoe ruwe gegevens een besluit worden waarop actie kan worden ondernomen.
Markt-, transactionele en operationele datasets worden verzameld en genormaliseerd tegen een gemeenschappelijke tijdindex, waardoor overlevingstekorten worden weggenomen en gecorrigeerd voor tijdzone-inconsistenties die vaak voorkomen in grensoverschrijdende gegevens.
Kandidaatstrategieën worden toegepast op rollende historische vensters om variantiebereiken, opnamefrequenties en herstelperioden onder verschillende omstandigheden vast te stellen.
Resampling in Monte Carlo-stijl genereert een verdeling van plausibele uitkomsten voor elke strategie, in plaats van te vertrouwen op één enkel historisch pad.
Strategieën die vooraf gedefinieerde risicodrempels overschrijden, worden automatisch uitgesloten voordat enige output de beslissingslaag bereikt die aan de gebruiker wordt gepresenteerd.
De onderliggende systeemlogica beschouwt elke aanbeveling als een kansgewogen resultaat en niet als een garantie. Elk resultaat gaat gepaard met betrouwbaarheidsintervallen, en strategieën worden voortdurend opnieuw geëvalueerd naarmate nieuwe gegevens de dataset binnenkomen.
Het platform is opgebouwd uit drie op elkaar afgestemde componenten. Elke module werkt onafhankelijk, maar deelt een gemeenschappelijke dataset, waardoor het risico op inconsistente output tussen modules wordt verkleind.
Binnenkomende markt- en operationele gegevens worden continu verwerkt, waarbij herberekende posities met vaste tussenpozen worden uitgegeven in plaats van alleen op aanvraag. Dit verkleint de vertraging tussen een verandering in de onderliggende omstandigheden en een update van actieve aanbevelingen, wat van belang is bij het werken in verschillende tijdzones zonder een vast schema.
De blootstellingslimieten worden per strategie berekend op basis van historisch opnamegedrag, niet op basis van vaste percentages. Wanneer de gesimuleerde variantie de geconfigureerde tolerantie overschrijdt, verkleint de engine de positiegrootte automatisch voordat de verandering aan de gebruiker wordt getoond, in plaats van achteraf.
Modellen worden in een vast ritme opnieuw getraind met behulp van een groter gegevensvenster, waarbij tests buiten de steekproef worden toegepast voordat een bijgewerkt model het model vervangt dat momenteel in productie is. De versiegeschiedenis blijft behouden, zodat de prestaties kunnen worden toegeschreven aan een specifieke modeliteratie.
Northfernwayt is ontworpen rond een beperking die onafhankelijke operators en mobiele investeerders gemeen hebben: onregelmatige toegangsvensters en variabele connectiviteit. Het systeem neemt waar mogelijk vooraf beslissingen en houdt de status lokaal vast wanneer een verbinding wegvalt, en hervat de synchronisatie zodra de toegang is hersteld.
De configuratie wordt één keer per strategieset afgehandeld. Daarna draait de analytische laag volgens zijn eigen schema en beoordeelt de gebruiker de output in plaats van de input continu te beheren.
In plaats van te vertrouwen op getuigenissen documenteert Northfernwayt hoe backtesting is opgebouwd, zodat de methodologie op zijn eigen voorwaarden kan worden beoordeeld.
Strategieën worden, indien beschikbaar, getoetst aan historische gegevens van minimaal vijf jaar, waarbij gebruik wordt gemaakt van perioden buiten de steekproef die zijn uitgesloten van de initiële modeltraining om overfitting-bias te verminderen.
Brongegevens worden vóór opname gecontroleerd op lacunes, dubbele vermeldingen en vooruitziende blikken. Gegevenssets met onopgeloste integriteitsproblemen worden gemarkeerd en uitgesloten van actieve modelinvoer.
Historische resultaten worden gerapporteerd naast hun variantiebereik en testperiode, in plaats van als één enkel cijfer, zodat de omstandigheden achter een resultaat zichtbaar blijven.
De onderstaande antwoorden gaan in op de vragen die het meest worden gesteld vóór de onboarding, en gaan over gegevensverwerking, integratie en automatiseringsgrenzen.
Gegevens worden verwerkt met het doel strategie-aanbevelingen te genereren en worden niet aan derden verkocht. Bewaartermijnen en verwerkingsreikwijdte worden uiteengezet in de gegevensverwerkingsdocumentatie van het platform die tijdens de onboarding wordt verstrekt.
Automatiseringsniveaus zijn configureerbaar. Sommige gebruikers hebben handmatige bevestiging nodig voordat ze worden uitgevoerd; andere zorgen ervoor dat het systeem binnen vooraf gedefinieerde risicoparameters kan handelen. Beide modi gebruiken dezelfde onderliggende modeluitvoer.
Het systeem behoudt de laatst bevestigde status lokaal en initieert geen nieuwe posities wanneer de verbinding is verbroken. Wanneer er opnieuw verbinding wordt gemaakt, wordt de status afgestemd voordat de geplande herberekeningen worden hervat.
Backtested resultaten beschrijven hoe een strategie zich gedroeg onder historische omstandigheden. Ze worden gerapporteerd met variantiebereiken in plaats van als vaste verwachtingen, en de marktomstandigheden kunnen verschillen van elke historische testperiode.
Integratie is afhankelijk van de beschikbare API-toegang van de accountprovider. Ondersteunde integraties worden vermeld tijdens de installatie en niet-ondersteunde providers kunnen op verzoek worden beoordeeld.
Vragen over technische ondersteuning met betrekking tot integratie of gegevensconfiguratie worden afgehandeld via het contactkanaal dat op de contactpagina staat vermeld, doorgaans binnen één werkdag, Australian Eastern Time.
Onboarding begint met een beoordeling van uw gegevensbronnen en risicoparameters, gevolgd door een backtest op basis van uw specifieke configuratie voordat een strategie wordt ingeschakeld voor geautomatiseerd gebruik.
Een typische configuratiebeoordeling duurt één tot drie werkdagen, afhankelijk van het aantal verbonden gegevensbronnen.