数据分析·预测模型
将市场数据转化为可审计的投资信号
Trilho Caudalio 通过预测模型处理时间序列、波动性指标和历史模式，并将此处理转换为每日报告的投资组合优化建议。
访问绩效仪表板
无需编程知识
仪表板预览： 按资产类别划分的风险敞口、记录的每日方差以及与模型生成的信号的偏差——随每个处理周期更新。
Trilho Caudalio 通过预测模型处理时间序列、波动性指标和历史模式，并将此处理转换为每日报告的投资组合优化建议。
Trilho Caudalio引擎不发表市场意见。处理结构化数据（价格、数量、资产之间的相关性），并应用方差分析在生成任何信号之前识别统计相关模式。
每个信号都来自一个连续的过程：信息被收集、标准化、根据模型的历史进行测试，然后才转换为投资组合优化建议。该流程被记录并可在每日报告中查阅。
生成的每个信号都会记录日期、参考资产以及接下来 24 小时内观察到的结果。结果没有追溯编辑。
| 日期 | 资产类别 | 产生的信号 | 观察到的方差 | 结果（24小时） |
|---|---|---|---|---|
| 12/06 | 欧元债券 | 减少接触 | 0.0042 | +0.38% |
| 11/06 | 欧洲指数 | 维持立场 | 0.0071 | -0.12% |
| 10/06 | 流动性/现金 | 增加储备 | 0.0019 | +0.05% |
| 09/06 | 新兴市场 | 减少接触 | 0.0088 | +0.61% |
所提供的值构成每日报告结构的说明性样本，用于演示小组的阅读格式。过去的结果，无论是真实的还是模拟的，并不构成对未来结果的保证。注册后即可访问完整历史记录和实时数据。
风险被视为可测量的变量，而不是一般的不确定因素。系统的每一层的存在都是为了在错误信号转化为重大损失之前限制其影响。
每个资产类别都有一个根据其历史波动性确定的配置上限，即使预测信号表明高度可信，也可以防止过度集中。
每个建议都包括根据所识别模式的一致性计算的置信度。置信度降低的信号会在报告中进行标记，而不是隐藏。
当观察到的方差超出模型预期的范围时，相关位置会自动标记以供审核，无需用户手动干预。
本节详细介绍了数据的来源、算法训练参数以及在提供任何信号之前应用的验证过程。
使用的数据来自公开市场来源和金融数据提供商，并按固定时间间隔汇总。在输入模型之前，信息会经过一个清理过程，删除重复项、配准错误以及与系列历史统计数据不一致的值。
该模型在移动历史窗口上进行训练，定期重新调整参数以反映受监控资产行为的结构变化。
在生产中应用任何更新之前，模型结果将在保留期内与先前版本的性能进行比较，检查方差分析是否支持替换。仅当多个测试周期的结果一致时，更改才会继续进行。
初始配置是为未经技术培训的用户构建的。无需编写代码或管理自己的基础设施。
登记基本数据并定义用户打算维持的风险暴露水平作为初始参考。
自动关联到资金来源的账户，并在首次执行前确认参数。
从第一个完成的处理周期即可获得绩效仪表板和每日报告。
在工作时间内提供技术支持，解答与帐户设置和阅读报告相关的问题。