Lodestone Vermode past backtested AI-strategieën toe om toegangspunten met een laag risico in digitale activaklassen te identificeren, waardoor studenten een gestructureerde, historische basis krijgen voor evaluatie voordat een positie wordt overwogen.
Lodestone Vermode is ontworpen voor studenten en beginnende investeerders die een kwantitatief startpunt willen voordat ze kapitaal aan digitale activa toewijzen. In plaats van te vertrouwen op signalen van sentiment of sociale media, verwerkt het platform historische marktgegevens via voorspellende modellen en presenteert de resulterende analyse in een compact, leesbaar formaat.
Elke output is terug te voeren op een gedocumenteerd proces: gegevensopname, modelscores en historische backtesting. Er wordt niets gegenereerd zonder een onderliggende dataset, en geen enkele aanbeveling wordt als garantie geformuleerd.
Het platform is opgebouwd rond drie technische pijlers. Elk ervan behandelt een afzonderlijk deel van het besluitvormingsproces, van ruwe marktgegevens tot een gefilterde, voor risico aangepaste aanbeveling.
Prijs-, volume- en volatiliteitsgegevens worden met korte tussenpozen verzameld en via dezelfde scorelogica doorgegeven die wordt gebruikt tijdens backtesting, zodat live output consistent blijft met historische validatie.
Signalen worden getoetst aan de historische correlatie tussen activa om de blootstelling aan posities te verminderen die eerder tijdens recessies samen zijn gegaan.
Dezelfde modellogica is van toepassing bij het beoordelen van een enkel actief of een gediversifieerde volglijst, waardoor aanbevelingen kunnen worden geschaald zonder handmatige heranalyse voor elk item.
Lodestone Vermode presenteert geen conclusies zonder de stappen erachter te tonen. Dezelfde workflow in vier fasen is van toepassing op elk item dat wordt beoordeeld.
Historische en live prijsgegevens, orderboekdiepte en volatiliteitsstatistieken worden verzameld uit bronnen op de publieke markt en genormaliseerd in een gemeenschappelijk formaat.
De genormaliseerde gegevens worden doorgegeven via modellen die zijn getraind om terugkerende patronen te identificeren die historisch gezien aan meetbare prijsbewegingen voorafgingen.
Elke modeluitvoer wordt vergeleken met historische perioden waarop niet is getraind, om te zien hoe hetzelfde signaal in het verleden zou hebben gepresteerd.
Alleen signalen die de backtesting-beoordeling doorstaan, worden als aanbevelingen naar voren gebracht, samen met de risicoparameters die worden gebruikt om deze te genereren.
Prijzen van crypto-activa kunnen binnen korte perioden scherp bewegen. In plaats van te reageren na een verlies, stelt het model risicoparameters vast voordat een positie wordt voorgesteld, op basis van hoe soortgelijke opstellingen zich historisch gedroegen.
| Parameter | Functie | Basis |
|---|---|---|
| Stop-loss-drempel | Definieert de maximale tegengestelde beweging die wordt getolereerd voordat een positie wordt gemarkeerd voor exit | Afgeleid van de historische volatiliteit van het specifieke actief |
| Betrouwbaarheidsscore bij binnenkomst | Beoordeel hoe nauw de huidige omstandigheden overeenkomen met eerder geteste gunstige opstellingen | Vergelijking met historische patroonresultaten |
| Begeleiding bij positiebepaling | Stelt een deel van het toegewezen kapitaal voor, aangepast voor de volatiliteit van de activa | Volatiliteitsgewogen berekening, geen vaste percentages |
| Correlatiefilter | Markeert activa die historisch samen bewogen, waardoor de geconcentreerde blootstelling werd verminderd | Historische correlatiegegevens over verschillende activa heen |
De onderliggende modellen zijn hetzelfde, maar de manier waarop ze worden toegepast hangt af van de beleggingsstijl die wordt gevolgd.
Voor studenten die een kleine, gediversifieerde set activa aanhouden, evalueert het model periodiek de historische correlatie en volatiliteit in de hele portefeuille. Wanneer twee posities samen beginnen te evolueren op een manier die de neerwaartse blootstelling vergroot, markeert het systeem de overlap zodat een aanpassing van de allocatie kan worden overwogen.
Voor kortere observatievensters zoekt het model naar patroonverschuivingen in een vroeg stadium in volume- en prijsgedrag die historisch gezien aan kortetermijnbewegingen voorafgingen. Deze signalen worden gescoord aan de hand van het backtestarchief voordat ze naar boven komen, in plaats van te reageren op een enkele prijspiek.
Elke aanbeveling over Lodestone Vermode is gebaseerd op backtested historische prestaties en gekoppeld aan gedefinieerde risicoparameters, waardoor u een gestructureerde basis krijgt voor het betreden van een laag risico voordat u kapitaal vastlegt.
Maak een account aan