How is portfolio and account data secured in transit and at rest?

Data is encrypted in transit using industry-standard TLS, and encrypted at rest within the storage layer. Access to raw account data is restricted to the processes that require it for model calibration; it is not used to train models for other accounts. Review security specifications →

What latency should I expect between a market event and a system response?

Under normal operating conditions, the ingestion pipeline processes new data within sub-minute windows. Latency can increase during periods of high upstream feed volume or scheduled maintenance; any delay is reflected in the timestamp attached to each data point. Review latency specifications →

How is the predictive model trained, and does it use my data to improve itself?

Models are trained on aggregated historical market data and are recalibrated per account using that account's own activity and constraints. Individual account data is not pooled across users to retrain the shared model. Review model training documentation →

Can I export the data and recommendations the system generates?

Recommendations, rationale logs, and the underlying data points used in each decision can be exported from your dashboard in standard tabular formats, so you retain a record independent of the platform. Ask about export formats →

What happens if a data feed goes offline?

If an upstream feed becomes unavailable, the module flags the affected data category as stale rather than silently substituting outdated figures, and recommendations dependent on that feed are paused until the connection is restored. See full technical FAQ →

Silver Yielode datu analīzes informācijas panelis, ko izmanto attālais investors

Kvantitatīvā inteliģence, kas pielāgojas jūsu riska tolerancei neatkarīgi no tā, no kurienes jūs strādājat

Silver Yielode pārņem tirgus un portfeļa datus reāllaikā, izveido kalibrētu jūsu riska apetītes profilu un automātiski pielāgo savus ieteikumus, mainoties apstākļiem — neprasot galdu, tirdzniecības vietu vai fiksētu interneta savienojumu.

Inicializēt analīzi Pārskatiet modeļa specifikācijas

Tiešās pozīcijas monitors Parauga izvade

Akcijas — globālas Riska diapazons: mērens +1,4%

FX — GBP/USD ekspozīcija Riska diapazons: konservatīvs -0,3%

Fiksētie ienākumi Riska diapazons: zems +0,2%

Digitālie aktīvi Riska diapazons: paaugstināts -2,1%

Metodoloģija

Kā modelis sasniedz ieteikumu

Katrs rezultāts ir secīga procesa rezultāts, nevis vienas melnās kastes prognozes rezultāts. Tālāk norādītajās darbībās ir aprakstīts, kas notiek starp datu ievadi un informācijas panelī parādīto ieteikumu.

Datu ievadīšana

Tirgus plūsmas, portfeļa pārskati un darījumu ieraksti nepārtrauktā grafikā tiek apkopoti vienotā datu slānī.

Normalizācija

Ievades dati tiek notīrīti un standartizēti, lai varētu tieši salīdzināt dažādu brokeru, valūtu un aktīvu klašu skaitļus.

Profila kalibrēšana

Lai atjauninātu jūsu riska profilu, jūsu vēsturiskie lēmumi un noteiktie ierobežojumi tiek izsvērti, ņemot vērā novēroto nepastāvības toleranci.

Ieteikuma izvade

Sistēma ģenerē ranžētu darbību kopu, katrai no kurām ir anotācija ar ticamības līmeni un datu punktiem, kas izmantoti tā sasniegšanai.

Ko modelim nozīmē "riska tolerance".

Riska tolerance nav viens skaitlis, kas fiksēts iekāpšanas laikā. Modelis to uzskata par diapazonu, kas mainās atkarībā no jūsu tirdzniecības vēstures, norādītā laika horizonta un jūsu atbildes uz iepriekšējiem ieteikumiem. Attālināts ieguldītājs, kurš pārvalda kapitālu starp laika zonām, redzēs, ka sliekšņi tiks pielāgoti, ja mainās viņu darbības modeļi vai norādītie ierobežojumi, nevis paļauties uz statisku anketu, uz kuru ir atbildēts vienreiz.

Sistēmas reakcijas ceļš

Ienākošo datu punkts ir atzīmēts ar karodziņu, salīdzinot ar pašreizējiem sliekšņiem

Novirze, kas mērīta attiecībā pret jūsu kalibrēto riska diapazonu

Korekcija ierosināta ar pamatojumu

Darbība reģistrēta un profils atjaunināts turpmākajiem cikliem

Pamatinteliģence

Aiz katra ieteikuma ir divi funkcionāli pīlāri

Platforma ir veidota, balstoties uz paredzamo modelēšanu un nepārtrauktu datu ievadi. Katrs no tiem pastāv, lai samazinātu manuālās pārskatīšanas apjomu, kas būtu jāveic no atrašanās vietas neatkarīgam investoram.

Prognozējošie modeļi

Prognozes tiek ģenerētas, pamatojoties uz vēsturisko cenu dinamiku, svārstīguma klasteriem un portfeļa līmeņa korelācijām, un pēc tam tiek salīdzinātas ar jūsu pašreizējo riska diapazonu, pirms tās tiek izmantotas kā ieteikums.

Ievades logsSlīdošā vēsturiskā + tiešraides plūsma
Atkārtota kalibrēšanaNepārtraukta, notikuma aktivizēta
Izvades formātsSarindota darbība ar pārliecības piezīmi

Modeļa precizitātes skaitļi ir raksturīgi katram portfelim, un tie tiek parādīti informācijas panelī pēc sākotnējās kalibrēšanas perioda, nevis šeit minēti kā vispārīgs rādītājs.

Reāllaika datu ievade

Tirgus dati, kontu izraksti un attiecīgie makroekonomiskie izlaidumi tiek vākti nepārtraukti, tāpēc riska profils nekad nav balstīts uz informāciju, kas ir vairāk nekā vienu ciklu veca.

AvotiTirgus plūsmas, brokeru eksports, makro izlaidumi
ApstrādeStraumēšana, nevis pakete
Latenta mērķisApakšminūte pie normālas slodzes

Latentums var atšķirties atkarībā no plūsmas pieejamības; platforma ievieto laikspiedolu pret katru ieteikumā izmantoto datu punktu.

Silver Yielode riska pārvaldības modulis, kas parādīts klēpjdatorā, ko izmanto attālināts profesionālis

Riska vadības modulis

Aizsargājiet kapitālu un laiku, kad neesat pie rakstāmgalda

Attālinātajiem speciālistiem reti ir iespēja uzraudzīt pozīcijas visas tirdzniecības dienas garumā. Riska pārvaldības modulis ir balstīts uz šo ierobežojumu: tas nepārtraukti uzrauga sliekšņus un prasa jūsu uzmanību tikai tad, ja lēmumam tas patiešām ir vajadzīgs.

Tā vietā, lai sniegtu pastāvīgus brīdinājumus, sistēma apkopo zemākas prioritātes signālus un saasina tikai tās izmaiņas, kas ir ārpus jūsu kalibrētā riska diapazona. Tas ir paredzēts, lai samazinātu datu pārskatīšanai patērēto laiku un samazinātu cilvēciskās kļūdas, kas rodas, reaģējot uz katru tirgus svārstību atsevišķi.

Sliekšņi tiek pielāgoti automātiski, kad jūsu riska profils tiek atkārtoti kalibrēts, nevis manuāli jāatiestata.
Eskalācijas loģika atdala parasto nepastāvību no patiesām novirzēm, samazinot brīdinājumu skaļumu.
Katram ieteikumam ir reģistrēts pamatojums, tāpēc lēmumus var pārskatīt pēc fakta.
Izstrādāts, lai darbotos dažādās laika zonās, bez atkarības no fiksēta biroja savienojuma.

Lietošanas gadījumi

Piemērots dažādiem datu tipiem

Vairākām finanšu datu kategorijām tiek izmantots viens un tas pats ievades un profilēšanas konveijers. Tālāk esošajā tabulā ir aprakstīts tipisks lietojums, nevis garantēti rezultāti, jo rezultāti ir atkarīgi no sniegto datu kvalitātes un apjoma.

Datu tips	Tipisks pielietojums	Tipiska izvade	Apstrādes slodze
Biržā kotēto akciju portfelis	Pozīcijas līmeņa riska joslu noteikšanas un līdzsvarošanas uzvednes	Sarindoti līdzsvara atjaunošanas ieteikumi ar pamatojumu	Liela apjoma, nepārtraukta
Vairāku valūtu naudas plūsma	Valūtas darījumu uzraudzība pārrobežu ienākumiem	Iedarbības kopsavilkums ar brīdinājumiem par slieksni	Mērens, notikumu virzīts
Privāto uzņēmumu ieņēmumu dati	Naudas plūsmas svārstīguma novērtējums pašnodarbināto ienākumiem	Rezerves ieteikumu un dispersijas karodziņi	Zems līdz mērens, periodisks
Digitālo aktīvu turējumi	Nepastāvības koriģētas iedarbības robežas	Joslas regulējami pozīcijas vāciņi	Liela apjoma, nepārtraukta

Apstrādes slodze atspoguļo datu biežumu un apjomu, ko modelis apstrādā katrā kategorijā; tas neatspoguļo garantētu atdevi vai rezultātu. Manuālās pārskatīšanas laiks tiek samazināts proporcionāli datu apjomam, ko modelis var apstrādāt jūsu vārdā, jo šī ir īpašā funkcija, ko tas ir paredzēts aizstāt.

Tehniskie bieži uzdotie jautājumi

Datu drošība, latentums un modeļu apmācība

Šie ir jautājumi, kurus pirms integrācijas visbiežāk uzdod tehniski domājoši lietotāji. Lai iegūtu sīkāku informāciju, katra atbilde ir saistīta ar attiecīgo specifikācijas lapu.

Kā tiek nodrošināti portfeļa un konta dati sūtīšanas un atpūtas laikā?

Pārsūtīšanas dati tiek šifrēti, izmantojot nozares standarta TLS, un šifrēti glabāšanas slānī. Piekļuve konta neapstrādātajiem datiem ir ierobežota līdz procesiem, kuriem tie ir nepieciešami modeļa kalibrēšanai; to neizmanto, lai apmācītu modeļus citiem kontiem.

Pārskatiet drošības specifikācijas →

Kādu latentumu vajadzētu sagaidīt starp tirgus notikumu un sistēmas reakciju?

Normālos darbības apstākļos ievades cauruļvads apstrādā jaunus datus mazāku minūšu laikā. Latentums var palielināties liela augšup padeves apjoma vai plānotas apkopes periodos; jebkura aizkave tiek atspoguļota katram datu punktam pievienotajā laikspiedogā.

Pārskatiet latentuma specifikācijas →

Kā tiek apmācīts prognozēšanas modelis, un vai tas izmanto manus datus, lai sevi uzlabotu?

Modeļi tiek apmācīti, pamatojoties uz apkopotiem vēsturiskajiem tirgus datiem, un tiek atkārtoti kalibrēti katram kontam, izmantojot šī konta darbību un ierobežojumus. Atsevišķu kontu dati netiek apkopoti starp lietotājiem, lai pārmācītu koplietoto modeli.

Pārskatiet modeļu apmācības dokumentāciju →

Vai varu eksportēt sistēmas ģenerētos datus un ieteikumus?

Ieteikumus, pamatojuma žurnālus un katrā lēmumā izmantotos pamatā esošos datu punktus var eksportēt no informācijas paneļa standarta tabulas formātos, lai jūs saglabātu ierakstu neatkarīgi no platformas.

Jautājiet par eksporta formātiem →

Kas notiek, ja datu plūsma pāriet bezsaistē?

Ja augšupējā plūsma kļūst nepieejama, modulis atzīmē ietekmēto datu kategoriju kā novecojušu, nevis klusi aizstāj novecojušus skaitļus, un no šīs plūsmas atkarīgie ieteikumi tiek apturēti, līdz tiek atjaunots savienojums.

Skatīt visus tehniskos FAQ →

Sāciet darbu

Pārskatiet savu datu plūsmu, pirms kaut ko apņematies

Integrācija sākas ar datu avotu pārskatīšanu, kurus plānojat savienot — starpniecības eksportu, FX kontus vai uzņēmuma ieņēmumu ierakstus. Pirms pirmā kalibrēšanas cikla nav nepieciešams migrēt esošos kontus.

Inicializēt analīzi Pārskatiet modeļa specifikācijas

Konta dati tiek šifrēti gan sūtīšanas, gan atpūtas laikā, un tie nekad netiek apvienoti starp lietotājiem modeļu apmācībai.