How transparent is the algorithm itself?

The model's feature weights and the logic behind each flagged recommendation are viewable inside the platform. Zorynex does not use undisclosed "black box" signals that cannot be traced back to a specific input.

How is data handled under German and EU regulation?

Account and portfolio data is processed on infrastructure located within the EU and handled in line with GDPR requirements. No data is sold or shared with third parties for marketing purposes.

What are the actual risks of using a model-based approach?

Backtested results describe past market behavior and do not guarantee future performance. Market conditions can shift outside the range the model was trained on, and all capital deployed carries risk of loss. Zorynex is a decision-support tool, not a guarantee of returns.

What does onboarding actually involve?

Account setup, risk-profile configuration, and your first backtest run typically take one session. No trading activity occurs automatically before you review and confirm the initial strategy parameters.

Zorynex adatterminál interfész, amely portfólióelemzési diagramokat mutat

Visszatesztelt döntéstámogatás

Prediktív portfólióelemzés, visszatesztelt több mint egy évtizedes piaci adatokkal

Az Zorynex statisztikai modelleket alkalmaz a múltbeli és az élő piaci adatokra, hogy megjelölje a kockázatot, a felszíni újraegyensúlyozási lehetőségeket, és számszerűsítse az egyes ajánlások mögött rejlő kompromisszumokat, mielőtt tőkelekötést tesz.

Tekintse meg a visszateszt eredményeit Hogyan működik a modell

ZRX-MODELL KIMENET● SZIMULÁCIÓ

Szemléltető visszateszt görbe – nem előrejelzés és nem jelzi a jövőbeli hozamokat.

Az EU-n belül található szerverek

Minden kimenethez naplózott modelllogika

Nincs automatikus végrehajtás megerősítés nélkül

Egyéni, nem intézményi számlaméretekhez készült

Alapvető képességek

Amit a modell valójában kiszámol

Az alábbi modulok folyamatosan futtatják a portfólió konfigurációját, nem pedig egyszeri jelentést készítenek.

Prediktív modellezés

Mintafelismerés a történelmi sorozaton

A modell a historikus ár-, volumen- és volatilitás-sorokra van kiképezve, hogy megbecsülje az adott piaci feltételek megismétlődésének valószínűségét. A kimenet forgatókönyvek rangsorolt halmaza, nem pedig egyetlen garantált szám.

Kockázatcsökkentés

Visszatesztelt volatilitási sávok

A pozíciókat a rendszer az Ön által előre beállított lehívási küszöbök alapján értékeli ki. Ha az utólag tesztelt volatilitás meghaladja ezt a küszöböt, a pozíció megjelölésre kerül felülvizsgálatra, mielőtt bármilyen allokáció módosulna.

Valós idejű feldolgozás

Folyamatos adatbevitel

A piaci adatfolyamok folyamatosan frissülnek, nem pedig napi kötegelt ciklusonként, így a modell kimenete a napon belüli feltételeket tükrözi, nem pedig a tegnapi zárást.

Méretezhetőség

Egy portfóliótól többig

Ugyanaz a motor fut, akár egyetlen kiegészítő portfóliót, akár több, külön kockázati profillal rendelkező számlát követ, külön infrastruktúra igénye nélkül.

Módszertan

A Backtesting Engine belsejében

Az alfagenerációs állítások csak akkor hasznosak, ha az alapul szolgáló teszt átlátható. Itt van a sorozat, amiben a motor ténylegesen működik.

01

Adatbevitel

A múltbeli ársorok, a vállalati műveletek és a makromutatók egyetlen időhöz igazított adatkészletbe normalizálódnak.
02

Feature Engineering

A volatilitás, a lendület és a korrelációs jellemzők a nyers sorozatból származnak, és a választott stratégia szempontjából súlyozva vannak.
03

Stratégia szimuláció

A jelölt stratégiát a gördülő előzményablakok ellen futtatják, hogy az eredmények eloszlását hozza létre, nem pedig egyetlen eredményt.
04

Statisztikai érvényesítés

Az eredményeket a véletlenszerű kimenetelektől való statisztikailag szignifikáns eltérések szempontjából ellenőrzik, mielőtt a stratégia életképesnek nyilvánulna.

Miért számít a Backtest hossza?

Az egyetlen piaci cikluson keresztül tesztelt stratégia pusztán véletlenül optimalizáltnak tűnhet. Az Zorynex-hez többciklusú adatokra van szükség, beleértve legalább egy dokumentált hanyatlási időszakot, mielőtt egy modellt elég stabilnak minősítenek ahhoz, hogy bemutassák a felhasználónak.

A platformon belül bemutatott történeti teljesítménydiagram szimulált portfólióértéket ábrázol egy benchmark indexhez képest a teljes visszatesztelési időszak alatt, a lehívási periódusokat külön árnyékolva, így a volatilitás látható, nem pedig simított.

Az Zorynex elemzői egy adatterminálon felülvizsgálják a motor kimenetének utólagos tesztelését

Alkalmazott használat

Ahol a kiegészítő befektetők ezt alkalmazzák

Ez az a három ismétlődő forgatókönyv, amelyekről a portfóliókat más bevételi források mellett kezelő felhasználók jelentettek.

01. eset

Portfólióoptimalizálás korlátozott időre szóló költségvetéssel

A koncertgazdasági menetrendek ritkán teszik lehetővé a napi diagramok áttekintését. A modell heti újraegyensúlyozási összesítést készít, így az allokációs döntések egyetlen ülésben hozhatók meg a folyamatos figyelés helyett.

02. eset

Piaci anomáliák észlelése

Ha az árművelet eltér attól a statisztikai mintától, amelyet a modell egy adott eszközre vár, a pozíció megjelölésre kerül az eltérés mértékével, így a felhasználóra bízza a cselekvést.

03. eset

Stratégiai egyensúly helyreállítása a szabálytalan jövedelem körül

A hozzájárulás összege hónapról hónapra változhat. A motor újraszámolja a célallokációkat minden egyes új hozzájárulás körül, ahelyett, hogy rögzített letéti ütemezést feltételezne.

Átláthatóság és kockázat

Kérdések, amelyeket érdemes feltenni a tőke bevezetése előtt

Nincsenek ajánlások, nincsenek túlzott követelések – csak a belépés során leggyakrabban kért üzemeltetési részletek.

Mennyire átlátható maga az algoritmus?

A modell jellemzői súlya és az egyes megjelölt ajánlások mögött meghúzódó logika megtekinthető a platformon belül. Az Zorynex nem használ fel nem tárt „fekete doboz” jeleket, amelyek nem vezethetők vissza egy adott bemenetre.

Hogyan kezelik az adatokat a német és az EU szabályozás értelmében?

A számla- és portfólióadatokat az EU-n belüli infrastruktúrán dolgozzuk fel, és a GDPR-előírásoknak megfelelően kezeljük. Semmilyen adatot nem értékesítenek vagy osztanak meg harmadik felekkel marketing célból.

Milyen tényleges kockázatokkal jár a modellalapú megközelítés alkalmazása?

A visszaellenőrzött eredmények a múltbeli piaci viselkedést írják le, és nem garantálják a jövőbeli teljesítményt. A piaci feltételek kívül eshetnek azon a tartományon, amelyre a modellt betanították, és minden befektetett tőke veszteség kockázatával jár. Az Zorynex egy döntéstámogató eszköz, nem garantálja a megtérülést.

Mit is takar tulajdonképpen a belépés?

A fiók beállítása, a kockázati profil konfigurálása és az első visszatesztelés általában egy munkamenetet vesz igénybe. A kezdeti stratégiai paraméterek áttekintése és megerősítése előtt nem történik automatikusan kereskedési tevékenység.

Tekintse át a Backtest tesztet, mielőtt bármi mást döntene

Élő fiók csatlakoztatása előtt hozzáférhet a modell előzménykimenetéhez, kockázati paramétereihez és adatkezelési feltételeihez.

Modell telepítése Olvassa el a műszaki GYIK-ot

REST API hozzáférés CSV/JSON exportálás PSD2 banki interfészek SFTP adatfolyam