Kjerneevne
Prediktiv modellering bygget på kontinuerlig databehandling i sanntid
Plattformen tar inn pris-, volum- og makroøkonomiske data på rullerende basis, og kjører dem deretter gjennom modeller som rekalibreres etter hvert som ny informasjon kommer. Utdata presenteres som sannsynlighetsvektede signaler, ikke faste prediksjoner.
- Sanntidsinntak på tvers av aksjer, indekser og store aktivaklasser som er relevante for britiske detaljinvestorer.
- Modeller rekalibreres kontinuerlig, i stedet for å omskoleres etter en fast tidsplan, for å gjenspeile gjeldende forhold.
- Hvert signal inkluderer et angitt konfidensområde, slik at usikkerheten er synlig i stedet for skjult.
Prosess: rådata → rengjøring og normalisering → modellscoring → konfidensrangert signal → presentert anbefaling.