Distribuera modell
Zorynex dataterminalgränssnitt som visar portföljanalysdiagram
Backtested beslutsstöd

Predictive Portfolio Analysis, backtested mot mer än ett decennium av marknadsdata

Zorynex tillämpar statistiska modeller på historiska och live-marknadsdata för att flagga risker, ytbalanseringsmöjligheter och kvantifiera avvägningarna bakom varje rekommendation innan du binder kapital.

Visa Backtest-resultat Hur modellen fungerar
ZRX-MODEL UTGÅNG● SIMULERING
Illustrativ backtest-kurva — inte en prognos och inte en indikation på framtida avkastning.
Servrar belägna inom EU
Modelllogik loggas för varje utgång
Ingen automatiserad körning utan bekräftelse
Byggd för individuella, inte institutionella, kontostorlekar
Kärnfunktioner

Vad modellen faktiskt beräknar

Varje modul nedan körs kontinuerligt mot din portföljkonfiguration istället för att producera en engångsrapport.

Prediktiv modellering

Mönsterigenkänning på historiska serier

Modellen tränas på historiska pris-, volym- och volatilitetsserier för att uppskatta sannolikheten för att specifika marknadsförhållanden ska återkomma. Utdata är en rankad uppsättning scenarier, inte ett enda garanterat antal.

Riskreducering

Backtestade volatilitetsband

Positioner utvärderas mot uttagströsklar som du ställt in i förväg. När backtestad volatilitet överstiger detta tröskelvärde flaggas positionen för granskning innan allokering ändras.

Realtidsbearbetning

Kontinuerlig dataintag

Marknadsdatapipelines uppdateras kontinuerligt snarare än på en daglig batchcykel, så modellutdata speglar intradagsförhållanden snarare än gårdagens stängning.

Skalbarhet

Från en portfölj till flera

Samma motor körs oavsett om du spårar en enda kompletterande portfölj eller flera konton med separata riskprofiler, utan att behöva separat infrastruktur.

Metodik

Inuti Backtesting Engine

Påståenden om alfagenerering är bara användbara om det underliggande testet är transparent. Här är sekvensen som motorn faktiskt kör.

  1. 01

    Dataintag

    Historiska prisserier, företagsåtgärder och makroindikatorer normaliseras till en enda tidsanpassad datauppsättning.

  2. 02

    Funktionsteknik

    Volatilitet, momentum och korrelationsegenskaper härleds från råserien och viktas efter relevans för den valda strategin.

  3. 03

    Strategisimulering

    Kandidatstrategin körs mot rullande historiska fönster för att producera en fördelning av resultat, inte ett enda resultat.

  4. 04

    Statistisk validering

    Resultaten kontrolleras för statistiskt signifikanta avvikelser från slumpmässiga utfall innan en strategi framstår som genomförbar.

Varför Backtest-längd är viktig

En strategi som testats över en enskild marknadscykel kan se optimerad ut rent av en slump. Zorynex kräver flercykeldata, inklusive minst en dokumenterad nedgångsperiod, innan en modell klassificeras som tillräckligt stabil för att kunna presenteras för en användare.

Det historiska resultatdiagrammet som presenteras på plattformen visar simulerat portföljvärde mot ett jämförelseindex över hela backtest-fönstret, med neddragningsperioder som skuggas separat så att volatiliteten är synlig snarare än utjämnad.
Zorynex-analytiker granskar backtestning av motorns utdata på en dataterminal
Tillämpad användning

Där tilläggsinvesterare tillämpar detta

Det här är de tre återkommande scenarierna som rapporteras av användare som hanterar portföljer tillsammans med andra inkomstkällor.

Fall 01

Portföljoptimering på en begränsad tidsbudget

Gig-ekonomi-scheman tillåter sällan daglig diagramgranskning. Modellen producerar en veckobalanseringssammanfattning så att allokeringsbeslut kan fattas i ett enda möte istället för att övervakas konstant.

Fall 02

Detektering av marknadsavvikelser

När prisåtgärden avviker från det statistiska mönstret som modellen förväntar sig för en given tillgång, flaggas positionen med storleken på avvikelsen, vilket lämnar beslutet att agera hos användaren.

Fall 03

Strategisk ombalansering kring oregelbunden inkomst

Bidragsbeloppen kan variera månad till månad. Motorn räknar om måltilldelningar kring varje nytt bidrag istället för att anta ett fast insättningsschema.

Transparens & risk

Frågor värda att ställa innan du distribuerar kapital

Inga vittnesmål, inga uppblåsta påståenden - bara de driftsuppgifter som oftast efterfrågas under onboarding.

Hur transparent är själva algoritmen?

Modellens funktionsvikter och logiken bakom varje flaggad rekommendation kan ses inuti plattformen. Zorynex använder inte hemliga "black box"-signaler som inte kan spåras tillbaka till en specifik ingång.

Hur hanteras uppgifter enligt tysk och EU-lagstiftning?

Konto- och portföljdata behandlas på infrastruktur belägen inom EU och hanteras i enlighet med GDPR-krav. Ingen data säljs eller delas med tredje part för marknadsföringsändamål.

Vilka är de faktiska riskerna med att använda ett modellbaserat tillvägagångssätt?

Testade resultat beskriver tidigare marknadsbeteende och garanterar inte framtida resultat. Marknadsförhållandena kan skifta utanför det intervall som modellen tränades på, och allt kapital som sätts in medför risk för förlust. Zorynex är ett beslutsstödsverktyg, inte en garanti för avkastning.

Vad innebär onboarding egentligen?

Kontokonfiguration, riskprofilkonfiguration och din första testkörning tar vanligtvis en session. Ingen handelsaktivitet sker automatiskt innan du granskar och bekräftar de initiala strategiparametrarna.

Granska Backtestet innan du bestämmer dig för något annat

Få tillgång till modellens historiska utdata, riskparametrar och datahanteringsvillkor innan du ansluter ett livekonto.

Distribuera modell Läs tekniska vanliga frågor
REST API-åtkomst CSV/JSON-export PSD2-bankgränssnitt SFTP-dataflöde