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.

Interfaccia terminale dati Zorynex che mostra i grafici di analisi del portafoglio

Supporto decisionale supportato

Analisi predittiva del portafoglio, testata sulla base di oltre un decennio di dati di mercato

Zorynex applica modelli statistici ai dati di mercato storici e in tempo reale per segnalare il rischio, far emergere opportunità di ribilanciamento e quantificare i compromessi dietro ogni raccomandazione prima di impegnare capitale.

Visualizza i risultati del backtest Come funziona il modello

USCITA MODELLO ZRX● SIMULAZIONE

Curva di backtest illustrativa: non è una previsione e non è indicativa dei rendimenti futuri.

Server situati all'interno dell'UE

Logica del modello registrata per ogni output

Nessuna esecuzione automatizzata senza conferma

Costruito per dimensioni di conti individuali, non istituzionali

Capacità fondamentali

Cosa calcola effettivamente il modello

Ciascun modulo riportato di seguito viene confrontato continuamente con la configurazione del tuo portafoglio anziché produrre un report una tantum.

Modellazione predittiva

Riconoscimento di pattern su serie storiche

Il modello è addestrato su serie storiche di prezzi, volumi e volatilità per stimare la probabilità che si ripetano condizioni di mercato specifiche. L’output è un insieme classificato di scenari, non un singolo numero garantito.

Mitigazione del rischio

Bande di volatilità backtested

Le posizioni vengono valutate rispetto alle soglie di prelievo impostate in anticipo. Quando la volatilità backtested supera tale soglia, la posizione viene contrassegnata per la revisione prima di qualsiasi modifica dell’allocazione.

Elaborazione in tempo reale

Ingestione continua di dati

Le pipeline dei dati di mercato si aggiornano continuamente anziché secondo un ciclo batch giornaliero, quindi l'output del modello riflette le condizioni intraday anziché la chiusura di ieri.

Scalabilità

Da un portafoglio a più portafogli

Lo stesso motore funziona sia che si tenga traccia di un singolo portafoglio supplementare o di più conti con profili di rischio separati, senza richiedere un'infrastruttura separata.

Metodologia

All'interno del motore di backtesting

Le affermazioni sulla generazione alfa sono utili solo se il test sottostante è trasparente. Ecco la sequenza effettivamente eseguita dal motore.

01

Inserimento dati

Le serie storiche dei prezzi, le azioni societarie e gli indicatori macro sono normalizzati in un unico set di dati allineato nel tempo.
02

Ingegneria delle caratteristiche

Le caratteristiche di volatilità, momentum e correlazione sono derivate dalle serie grezze e ponderate in base alla rilevanza per la strategia scelta.
03

Simulazione strategica

La strategia candidata viene eseguita confrontando finestre storiche continue per produrre una distribuzione di risultati, non un singolo risultato.
04

Convalida statistica

I risultati vengono controllati per individuare eventuali deviazioni statisticamente significative dai risultati casuali prima che una strategia venga considerata praticabile.

Perché la lunghezza del backtest è importante

Una strategia testata su un unico ciclo di mercato può sembrare ottimizzata per puro caso. Zorynex richiede dati multiciclo, incluso almeno un periodo di recessione documentato, prima che un modello venga classificato come sufficientemente stabile da poter essere presentato a un utente.

Il grafico della performance storica presentato all'interno della piattaforma traccia il valore del portafoglio simulato rispetto a un indice di riferimento nell'arco dell'intera finestra di backtest, con i periodi di prelievo ombreggiati separatamente in modo che la volatilità sia visibile anziché attenuata.

Analisti Zorynex che esaminano l'output del motore di backtest su un terminale dati

Uso applicato

Dove gli investitori supplementari lo applicano

Questi sono i tre scenari ricorrenti segnalati dagli utenti che gestiscono portafogli insieme ad altre fonti di reddito.

Caso 01

Ottimizzazione del portafoglio con un budget limitato nel tempo

I programmi della gig economy raramente consentono la revisione giornaliera dei grafici. Il modello produce un riepilogo settimanale del ribilanciamento in modo che le decisioni di allocazione possano essere prese in un'unica seduta invece che monitorate costantemente.

Caso 02

Rilevazione di anomalie di mercato

Quando l'azione del prezzo si discosta dal modello statistico previsto dal modello per un determinato asset, la posizione viene contrassegnata con l'entità della deviazione, lasciando all'utente la decisione di agire.

Caso 03

Riequilibrio strategico attorno al reddito irregolare

Gli importi dei contributi possono variare di mese in mese. Il motore ricalcola le allocazioni target attorno a ciascun nuovo contributo anziché assumere un programma di deposito fisso.

Trasparenza e rischio

Domande che vale la pena porsi prima di distribuire capitale

Nessuna testimonianza, nessuna dichiarazione esagerata: solo i dettagli operativi richiesti più frequentemente durante l'onboarding.

Quanto è trasparente l'algoritmo stesso?

I pesi delle caratteristiche del modello e la logica dietro ogni raccomandazione contrassegnata sono visibili all'interno della piattaforma. Zorynex non utilizza segnali "scatola nera" non divulgati che non possono essere ricondotti a un ingresso specifico.

Come vengono gestiti i dati secondo la normativa tedesca e europea?

I dati del conto e del portafoglio vengono elaborati su un'infrastruttura situata all'interno dell'UE e gestiti in linea con i requisiti GDPR. Nessun dato viene venduto o condiviso con terzi per scopi di marketing.

Quali sono i rischi effettivi derivanti dall’utilizzo di un approccio basato su modelli?

I risultati backtested descrivono il comportamento passato del mercato e non garantiscono performance future. Le condizioni di mercato possono spostarsi al di fuori dell’intervallo su cui è stato addestrato il modello e tutto il capitale impiegato comporta il rischio di perdita. Zorynex è uno strumento di supporto alle decisioni, non una garanzia di rendimento.

Cosa comporta effettivamente l’onboarding?

La configurazione dell'account, la configurazione del profilo di rischio e la prima esecuzione del backtest richiedono in genere una sessione. Nessuna attività di trading avviene automaticamente prima di rivedere e confermare i parametri iniziali della strategia.

Rivedi il backtest prima di decidere qualsiasi altra cosa

Accedi all'output storico del modello, ai parametri di rischio e ai termini di gestione dei dati prima di connettere un conto reale.

Distribuisci il modello Leggi le domande frequenti tecniche

Accesso all'API REST Esportazione CSV/JSON Interfacce bancarie PSD2 Alimentazione dati SFTP