予測モデリング
過去のシリーズと最近の市場状況から計算され、目に見える信頼区間を備えた資産ごとのボラティリティ範囲の推定値。
問題
分析観察
暗号資産市場の経験によれば、小規模ポートフォリオにおける損失の大部分は、長期的な市場の方向性からではなく、管理されていないボラティリティの急上昇中に下された意思決定によってもたらされることが示唆されています。両方の要素を分離することが私たちのアプローチの出発点です。
方法論
主要な暗号資産の価格、出来高、オンチェーン指標は、短く一定のサイクルで更新されます。
統計および機械学習モデルは、正確な価格ではなく、今後数時間の予想されるボラティリティの範囲を推定します。
各資産は、ユーザーのポートフォリオ全体内の相対的なリスク スコアを受け取ります。
システムは、ユーザーが宣言したリスクプロファイルに合わせたポジション調整を提案します。
状態は常に再評価され、リスクが定義された制限を超えるとアラートが生成されます。
アルゴリズムの透明性
このエンジンは、資産の将来の価格を予測することを目的としたものではありません。代わりに、ボラティリティが所定の範囲内にとどまる確率を推定し、それに応じて推奨エクスポージャーを調整します。各モデルのパラメータは文書化され、レビュー可能であるため、ユーザーはどの変数が特定の推奨事項に影響を与えるかを理解できます。
アプローチについて
Manto Caudalecto は、リスク管理は市場そのものへのアクセスと同じようにアクセス可能であるべきであるという考えから生まれました。製品の背後にあるチームは、システムを閉じた箱として提示するのではなく、履歴データとリアルタイム データを使用して、説明、レビュー、異議申し立てが可能な暴露ルールを設計します。
目標は収益性を約束することではなく、限られた資本でデジタル資産を始めようとする人たちに、より規律ある意思決定の枠組みを提供することです。
ツール
過去のシリーズと最近の市場状況から計算され、目に見える信頼区間を備えた資産ごとのボラティリティ範囲の推定値。
損失が現実化する前に、推定リスクがユーザーが設定したしきい値を超えた場合の自動ポジション削減ルール。
資産のリスクスコアが初期値から大幅に逸脱した場合のポートフォリオ配分の定期的な調整。
透明性
以下のデータは、特定の市場期間にわたる遡及的シミュレーション (バックテスト) に対応します。これらは将来の結果を予測するものではありません。
| シミュレーションされたシナリオ | 期間 | 平均ボラティリティ | リスク管理による成果 | リスク管理なしの結果 |
|---|---|---|---|---|
| 市場調整 | 90日間のシミュレーション | 高 | 段階的な曝露低減 | 一定の露出、調整なし |
| サイドマーケット | 180日シミュレーション | 平均 | 小規模な定期的なリバランス | リバランスなし |
| 持続的なリバウンド | 120日間のシミュレーション | 中～低 | 露出を徐々に上向きに調整 | 最初から露出固定 |
方法論的な注意事項: シミュレーションは、履歴データと文書化されたモデルの動作に基づいています。過去の結果は、シミュレーションか実際かにかかわらず、将来の結果を保証するものではありません。暗号資産への投資には元本が失われるリスクが伴います。
学生のアクセス
小規模な初期資産向けに設計されたこのレベルでは、すべての資本保護制限をアクティブに保ちながら、小規模なポジションで分析エンジンを探索できます。
目標は、関連する投資決定に先立ってリスク管理について学ぶことです。