Rong Nganvuong 予測分析ダッシュボードはポートフォリオのリスクと市場データを視覚化します
AIデータインテリジェンスプラットフォーム

あらゆる開始資金から利用できる、意思決定レベルの市場分析。

Rong Nganvuong は、予測モデリング、リアルタイムのセンチメント追跡、およびポートフォリオの最適化を、これまでこの深度で解釈するには組織インフラストラクチャが必要だったデータに適用します。

モデル出力 - サンプル読み取り
予測信頼区間 87.2%
センチメント偏差 (24 時間) +2.4σ
リスク調整後の配分のシフト −6.1%
最低限必要な資本 £0
方法論

信頼される前に説明される分析エンジン。

私たちは、結果のみに自信を求めるのではなく、各出力の背後にある理由を説明します。以下のセクションでは、モデルが何を行うか、データの出所、不確実性がどのように表現されるかについて説明します。

01 — 方法論の概要

階層化モデルのアーキテクチャ

予測は、時系列回帰とセンチメント加重調整レイヤーを組み合わせて生成されます。最終出力に対する各レイヤーの寄与がログに記録されるため、推奨事項を単一の不透明なスコアとして扱うのではなく、コンポーネント信号まで遡ることができます。

02 — データソースの透明性

ソースされたタイムスタンプ付き入力

市場データは、認可された取引所のフィードおよび公開書類から取得され、定期的に更新されます。センチメント入力は構造化テキスト ソースから抽出され、独自のブラック ボックスではなく、公開された加重範囲でスコア付けされます。

03 — リスクモデリング

明示的なダウンサイドフレーミング

すべての出力は、分散推定値と指定された信頼区間とペアになっています。リスク許容度はプロファイルごとに設定され、ボラティリティがモデルの調整対象の範囲を超えると、割り当ての提案が自動的に調整されます。

能力

3 つのモジュール。それぞれが異なる分析タスクを処理します。

このプラットフォームは、意思決定を完全に自動化しようとするものではありません。これにより、決定の余地が狭まり、その理由が示され、最終的な割り当ての選択はユーザーに委ねられます。

予測モデリングモジュール
設定可能な期間にわたって将来の価格とボラティリティの推定を生成し、実現された結果に基づいて毎日再調整して、長期にわたる予測精度を追跡します。
予測
リアルタイムの感情分析
ニュースの流れと構造化されたパブリックコメントを方向性バイアスとしてスコア化し、原資産の測定可能な価格変動に先立つセンチメントの変化を表面化します。
信号検出
ポートフォリオ最適化エンジン
リバランスでは、各ポジションを個別に扱うのではなく、保有銘柄間の相関関係を考慮して、指定されたリスク上限に対する配分を提案しました。
リスクの軽減
資本に依存しないアクセシビリティ

最低入金額はありません。アカウントのサイズに関係なく、同じモデルが実行されます。

参入資金によって、利用可能な分析モジュールが変わることはありません。最適化エンジンが現実的に提案できる割り当てサイズのみが変更されます。

アカウントを登録する

英国の金融サービス規制に基づいて要求される本人確認の詳細を提供します。この段階ではデポジットの証明は要求されません。

リスクプロファイルを設定する

最適化エンジンによって適用される分散許容値を調整するために使用される、短い構造化されたアンケートに回答します。

任意の金額で資金を提供

割り当てる予定の資金を入金します。開始残高にはプラットフォームが課せられた床はありません。

モデルの出力を確認する

保有銘柄に合わせて調整された予測データとセンチメント データを受け取り、ポジションの変更に応じて更新される割り当ての提案を表示します。

エントリー層とモジュールアクセス
階層 最低資本金 利用可能なモジュール
スターター £0 予測モデリング、センチメント分析
成長 £0 ポートフォリオの最適化を含むフルモジュールセット
スケーリング済み £0 より広範な資産相関マッピングを備えた完全なモジュール セット

割り当てられた資本が増加すると、最適化エンジンは推奨事項ごとに考慮する相関資産の数を増やします。これは自動的に行われるため、再登録や階層のアップグレードは必要ありません。

応用シナリオ

同じデータ エンジンが異なる出力を生成する場合。

基礎となるモデルは一定です。ユースケース間で変わるのは、期間、リスク上限、およびどのシグナルが最も重み付けされるかです。

B2B戦略計画

予算サイクルのシナリオ予測

企業は、計画サイクルが完了する前に、より長期的な予測結果を使用して、予測される市場状況に対して予算の想定をストレステストします。

個人の多様化

小規模ポートフォリオの配分見直し

個々のユーザーは、既存の保有資産全体の相関データを比較して、口座規模が小さい場合には測定できない集中リスクを特定します。

ボラティリティの緩和

センチメントショック時のリバランス

センチメントの偏差が調整された範囲を超えると、最適化エンジンは、ポジションを完全に手放すことなくエクスポージャを減らすように設計されたリバランス オプションを表示します。

Rong Nganvuongについて

説得ではなく分析のために構築されています。

Rong Nganvuong は、データ駆動型の投資分析にアクセスするために最低限必要な機関口座を必要としないという前提に基づいて構築されています。プラットフォームの出力は、精査せずに従うのではなく、レビューされ、疑問が持たれるように設計されています。

私たちのアプローチの詳細な背景を読む→

Rong Nganvuong アナリストがワークステーションで予測モデルの出力をレビュー
よくある質問

方法論、セキュリティ、コストについて直接答えます。

基礎となるアルゴリズムはどの程度透明ですか?

センチメントおよび時系列入力に適用される重み付け範囲は、プラットフォームのドキュメントで公開されています。独自の予測システムの標準的な慣行に従って、正確なモデル パラメータは完全には開示されていませんが、入力カテゴリとその相対的な影響は隠蔽されていません。

アカウントのデータと保有資産を保護するセキュリティ プロトコルは何ですか?

アカウント データは転送中も保存中も暗号化されます。認証は、本人確認に関する英国の金融サービスのガイダンスに従います。資金保管の取り決めは、入金が行われる前のアカウント設定プロセス内で完全に開示されます。

「最低入金額なし」ポリシーは手数料にどのような影響を与えますか?

料金体系はアカウントへの資金提供前に開示され、入金サイズに基づいて変更されることはありません。小規模なアカウントには、絶対残高の低下を相殺するために、より高い比例レートが請求されることはありません。

予測出力が間違っている可能性はありますか?

はい。すべての予測は、確実性として提示されるのではなく、信頼区間を使用して公表されます。資産クラスごとの過去の予測精度はリクエストに応じて提供されますが、同じ率が継続することは保証されません。

これは独立した財務上のアドバイスに代わるものですか?

いいえ。プラットフォームは、意思決定を通知するための分析出力を提供します。これは規制された財務上のアドバイスを構成するものではなく、割り当ての決定についてはユーザーが完全な裁量権を有します。

次のステップ

モデルの出力を自分の保有物と照らし合わせて確認します。

アカウントのセットアップには、短い本人確認手順とリスク プロファイルのアンケートが必要です。オンボーディングのどの段階でも最低入金額はなく、エンジンが現在のポートフォリオをどのように扱うかを確認する前にアカウントに資金を入金する義務はありません。