Data-led analysis for considered investors
Utnyttja 30 år av backtestad marknadsdata för att hjälpa australiska pensionärer att navigera i volatilitet med precision och riskhantering av institutionell kvalitet.
Stiftelsen
Pensionärer behöver sällan en ny prognos om vart marknaderna är på väg härnäst. Det som är viktigare är att förstå hur en given strategi betedde sig när förhållandena blev svåra. AI-Pro-App byggdes kring den distinktionen: snarare än att förutsäga framtiden analyserar plattformen tre decennier av marknadscykler för att se hur portföljer av varierande sammansättning reagerade på inflationschocker, räntehöjningar och perioder av långvarig osäkerhet.
Detta är avancerad mönsterigenkänning, inte spekulation. Systemet bygger på omfattande marknadshistoria – aktier, obligationer, valutor och råvaror – för att identifiera villkoren under vilka kapital bevarades och under vilka det inte gjorde det. Resultatet är ett ramverk för strategisk optimering som gynnar motståndskraft framför kortsiktig uppsida.
Hur konsekvent en strategi höll sitt värde under flera, orelaterade perioder av stress - inte bara den senaste.
Justera en tilldelnings sammansättning som svar på ändrade förhållanden, snarare än att reagera på kortsiktiga prisrörelser.
Distinkta flerårsperioder - expansion, sammandragning, återhämtning - används som grund för att jämföra strategier rättvist.
Processen
Plattformen är utformad för att vara transparent om hur den når en vy. Varje steg nedan begränsar en stor volym av historisk information till något som en person faktiskt kan väga upp tillsammans med sina egna omständigheter.
Varje handelsdag drar plattformen in prissättning, volatilitet och makroekonomisk data över stora tillgångsklasser, som går tillbaka till 1990. Perioder av kraftig nedgång vägs på samma sätt som perioder av stadig tillväxt, så modellen smickras inte enbart av gynnsamma marknader.
Historiska mönster bedöms mot ett pensionärsorienterat riskramverk - ett ramverk som väger nedskrivningsgrad och återhämtningstid tyngre än råavkastning. En strategi som växte snabbt men föll kraftigt under 2008 eller 2020 får en annan poäng än en som växte långsammare men höll fast.
Utgången är en skriftlig rapport, inte en enda signal. Den anger vad de historiska bevisen tyder på, var dessa bevis är tunna och vilka frågor som ska ställas med en finansiell rådgivare. Plattformen är byggd för att informera om ett beslut som en person fattar, inte för att fatta det åt dem.
Bevisen
Våra algoritmer testas mot alla större marknadshändelser sedan 1990, från den asiatiska finanskrisen 1997 till 2008 års kreditkris och 2020 års pandeminedgång, för att kontrollera om den underliggande logiken håller under perioder av stress snarare än bara under lugnare förhållanden.
Prestanda bedöms i förhållande till volatiliteten, inte isolerat, så en jämnare väg till ett liknande resultat behandlas som det starkare resultatet.
Varje backtest registrerar den djupaste nedgången som en strategi skulle ha upplevt och hur lång tid återhämtningen tog, som ett mått på hur det skulle ha känts att hålla den genom en nedgång.
Strategier jämförs med ett rullande mått på marknadsturbulens, vilket gör att tilldelningar kan ses över när villkoren förändras snarare än att hållas fast oavsett miljö.
Tidigare marknadsbeteende analyseras för att förstå hur strategier historiskt har reagerat på perioder av stress; it is not a guarantee of future performance. All modellering tillhandahålls i informations- och utbildningssyfte och utgör inte personlig ekonomisk rådgivning.
Nästa steg
Begär ett detaljerat whitepaper som täcker vår prognoser för 2024 och metodiken bakom den. Det finns ingen skyldighet, och ingen åtkomst till dina konton krävs för att få det.
