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 dataterminalinterface met portfolio-analysegrafieken

Backtested beslissingsondersteuning

Voorspellende portefeuilleanalyse, getoetst aan ruim tien jaar aan marktgegevens

Zorynex past statistische modellen toe op historische en actuele marktgegevens om risico's te signaleren, mogelijkheden voor herbalancering aan het licht te brengen en de afwegingen achter elke aanbeveling te kwantificeren voordat u kapitaal investeert.

Bekijk backtestresultaten Hoe het model werkt

ZRX-MODEL-UITGANG● SIMULATIE

Illustratieve backtestcurve – geen voorspelling en geen indicatie voor toekomstige rendementen.

Servers die zich binnen de EU bevinden

Modellogica vastgelegd voor elke uitvoer

Geen geautomatiseerde uitvoering zonder bevestiging

Gebouwd voor individuele, niet institutionele, accountgroottes

Kerncapaciteiten

Wat het model feitelijk berekent

Elke module hieronder draait continu op basis van uw portfolioconfiguratie in plaats van een eenmalig rapport te produceren.

Voorspellende modellen

Patroonherkenning op historische series

Het model is getraind op historische prijs-, volume- en volatiliteitsreeksen om de waarschijnlijkheid te schatten dat specifieke marktomstandigheden zich herhalen. De output is een gerangschikte reeks scenario's, niet een enkel gegarandeerd getal.

Risicobeperking

Backtested-volatiliteitsbanden

Posities worden geëvalueerd aan de hand van de drawdowndrempels die u vooraf instelt. Wanneer de backtested volatiliteit deze drempel overschrijdt, wordt de positie gemarkeerd voor beoordeling voordat de toewijzing wordt gewijzigd.

Realtime verwerking

Continue gegevensopname

De marktgegevenspijplijnen worden voortdurend vernieuwd in plaats van op een dagelijkse batchcyclus, zodat de modeluitvoer de intraday-omstandigheden weerspiegelt in plaats van de slotkoers van gisteren.

Schaalbaarheid

Van één portefeuille naar meerdere

Of u nu één aanvullende portefeuille of meerdere rekeningen met afzonderlijke risicoprofielen bijhoudt, dezelfde engine draait zonder dat daarvoor een aparte infrastructuur nodig is.

Methodologie

Binnen de Backtesting-engine

Claims voor het genereren van alfa zijn alleen nuttig als de onderliggende test transparant is. Hier is de volgorde waarin de motor daadwerkelijk draait.

01

Gegevensopname

Historische prijsreeksen, bedrijfsacties en macro-indicatoren worden genormaliseerd in één enkele, tijdgebonden dataset.
02

Functietechniek

Volatiliteits-, momentum- en correlatiekenmerken zijn afgeleid van de ruwe reeksen en gewogen op basis van relevantie voor de gekozen strategie.
03

Strategiesimulatie

De kandidatenstrategie wordt uitgevoerd tegen rollende historische vensters om een verdeling van uitkomsten te produceren, en niet één enkel resultaat.
04

Statistische validatie

Resultaten worden gecontroleerd op statistisch significante afwijkingen van willekeurige uitkomsten voordat een strategie als levensvatbaar naar voren komt.

Waarom backtestlengte belangrijk is

Een strategie die gedurende één marktcyclus wordt getest, kan er louter op basis van toeval geoptimaliseerd uitzien. Zorynex vereist gegevens over meerdere cycli, waaronder ten minste één gedocumenteerde periode van neergang, voordat een model als stabiel genoeg wordt geclassificeerd om aan een gebruiker te presenteren.

De historische prestatiegrafiek die op het platform wordt gepresenteerd, toont de gesimuleerde portefeuillewaarde ten opzichte van een referentie-index over de volledige backtestperiode, waarbij de opnameperioden afzonderlijk zijn gearceerd, zodat de volatiliteit zichtbaar is in plaats van wordt verzacht.

Zorynex-analisten beoordelen de motoruitvoer op een dataterminal

Toegepast gebruik

Waar aanvullende beleggers dit toepassen

Dit zijn de drie terugkerende scenario's die worden gerapporteerd door gebruikers die naast andere inkomstenbronnen ook portefeuilles beheren.

Casus 01

Portfolio-optimalisatie met een beperkt tijdsbudget

Schema's met een gig-economie maken zelden een dagelijkse grafiekbeoordeling mogelijk. Het model produceert een wekelijkse samenvatting van de herbalancering, zodat toewijzingsbeslissingen in één keer kunnen worden genomen in plaats van voortdurend te worden gecontroleerd.

Casus 02

Detectie van marktanomalie

Wanneer prijsactie afwijkt van het statistische patroon dat het model voor een bepaald activum verwacht, wordt de positie gemarkeerd met de omvang van de afwijking, waardoor de beslissing om actie te ondernemen aan de gebruiker wordt overgelaten.

Geval 03

Strategische herbalancering rond onregelmatig inkomen

De bedragen van de bijdragen kunnen van maand tot maand variëren. De engine herberekent de doeltoewijzingen rond elke nieuwe bijdrage in plaats van uit te gaan van een vast stortingsschema.

Transparantie en risico

Vragen die de moeite waard zijn om te stellen voordat u kapitaal inzet

Geen getuigenissen, geen overdreven claims – alleen de operationele gegevens die het meest worden gevraagd tijdens de onboarding.

Hoe transparant is het algoritme zelf?

De functiegewichten van het model en de logica achter elke gemarkeerde aanbeveling zijn zichtbaar op het platform. Zorynex maakt geen gebruik van geheime "black box"-signalen die niet terug te voeren zijn op een specifieke ingang.

Hoe worden gegevens behandeld volgens de Duitse en EU-regelgeving?

Account- en portfoliogegevens worden verwerkt op infrastructuur binnen de EU en verwerkt in overeenstemming met de AVG-vereisten. Er worden geen gegevens verkocht of gedeeld met derden voor marketingdoeleinden.

Wat zijn de werkelijke risico's van het gebruik van een modelgebaseerde aanpak?

Backtestresultaten beschrijven marktgedrag uit het verleden en bieden geen garantie voor toekomstige prestaties. De marktomstandigheden kunnen buiten het bereik waarop het model is getraind verschuiven, en al het ingezette kapitaal brengt het risico van verlies met zich mee. Zorynex is een beslissingsondersteunend hulpmiddel, geen garantie voor rendement.

Wat houdt onboarding eigenlijk in?

Het instellen van het account, het configureren van het risicoprofiel en uw eerste backtest nemen doorgaans één sessie in beslag. Er vindt niet automatisch een handelsactiviteit plaats voordat u de initiële strategieparameters heeft beoordeeld en bevestigd.

Bekijk de backtest voordat u iets anders beslist

Krijg toegang tot de historische output, risicoparameters en voorwaarden voor gegevensverwerking van het model voordat u een live account koppelt.

Model implementeren Lees technische veelgestelde vragen

REST API-toegang CSV/JSON-export PSD2-bankinterfaces SFTP-gegevensfeed