Cendekia Sahamarta utilise des modèles prédictifs pour surveiller et ajuster les portefeuilles en temps réel, afin que les nomades numériques puissent prendre des décisions financières sans être liés à un seul fuseau horaire de travail.
Chaque recommandation résulte d’une analyse des données de marché, et non d’une estimation manuelle ou de l’intuition de l’équipe.
Le modèle Cendekia Sahamarta traite les données de marché en continu sans dépendre d'horaires de travail spécifiques. Le système réévalue l'exposition au risque chaque fois que des changements significatifs de volatilité surviennent, quelle que soit la situation géographique de l'utilisateur.
Cette approche vise à réduire le recours à une surveillance manuelle, difficile à maintenir de manière cohérente pour les investisseurs qui changent régulièrement de lieu de travail. L’objectif principal est la gestion des risques mesurables, et non les prévisions de prix à court terme.
Chaque recommandation produite par le système est enregistrée dans un journal public consultable, plutôt que dans un résumé compilé de manière sélective une fois les résultats connus.
| Période de déclaration | Classe d'actifs | Méthodologie de vérification | Accès aux données |
|---|---|---|---|
| Mensuel | Actions et instruments liquides | Journalisation automatique au moment de l'exécution | Portail de journaux public |
| Mensuel | Instrument à risque équilibré | Réconciliation croisée avec les données de marché | Portail de journaux public |
| Durable | Toutes les catégories sont actives | Piste d'audit sans édition manuelle | Portail de journaux public |
Résultats fondés sur des preuves : toutes les entrées du journal sont publiées au moment où la décision est prise, plutôt que reconstruites une fois que le résultat du marché est connu. La communauté des utilisateurs peut vérifier chaque entrée indépendamment.
Cette structure est conçue pour être évolutive à différents types d'actifs sans modifier la logique de base du système.
Le système extrait simultanément les données de prix, de volume et d'indicateurs macro de diverses sources de marché, puis les normalise dans un format d'analyse unique.
Les modèles prédictifs évaluent les corrélations de risque entre les actifs et recalculent les scénarios d'exposition à chaque fois que les conditions du marché changent.
Les résultats de l'analyse sont résumés en recommandations concrètes qui peuvent être exécutées immédiatement, accompagnées des données justificatives qui les sous-tendent.
Les trois modèles d'utilisation les plus courants trouvés dans la base d'utilisateurs Cendekia Sahamarta.
Les utilisateurs travaillant au-delà des frontières s'appuient sur des recommandations automatisées pour maintenir les allocations de portefeuille sur les objectifs, sans avoir besoin de surveiller les marchés pendant les heures d'ouverture locales de chaque pays.
Lorsqu'un indicateur de risque dépasse un certain seuil, le système ajuste automatiquement les pondérations d'allocation pour limiter le potentiel de pertes supplémentaires, avant qu'une décision manuelle puisse être prise.
Les professionnels B2B utilisent les résultats de l’analyse comme base pour les décisions d’allocation de capital à moyen terme, avec une logique de données qui peut être expliquée aux parties prenantes internes.
Des réponses courtes aux questions les plus fréquemment posées avant l'intégration.
Commencez par une analyse initiale de portefeuille pour voir comment les recommandations en matière de données s'appliquent à votre situation actuelle.