世界の市場では、1 人のアナリストが 1 日に有意義にレビューできる量よりも多くの価格データが 1 時間あたり生成されます。場所に依存しない投資家にとって、タイムゾーン、接続ギャップ、限られた画面時間の調整を行っている場合、データ量と利用可能な注意力との間のこのギャップは、信号の見逃しや反応の遅れに直接つながります。
Luna Rentisto は市場データを 24 時間処理し、特定のリスク許容度のモデルを通じてデータをフィルター処理します。システムはあらゆる変動に反応するのではなく、日常的なノイズと構造的に関連する変化を区別し、決定を正当化するものだけを明らかにします。
過去の実際の価格データに基づいてトレーニングされた統計モデルは、株式、ファンド、通貨ペア全体の短期的な変動の確率を推定し、純粋に過去のデータではなく将来の見通しを提供します。
構造化された取り込みプロセスにより、ドローダウン、期間、流動性のニーズに対する能力が確立されます。このプロファイルは定期的に見直されるため、状況や収入源の変化に応じて推奨事項も進化します。
権限が付与されている場合は、事前に合意されたしきい値内でリバランスの提案が自動的に実行され、常に手動で承認する必要がなく、シグナルとアクションの間のラグが軽減されます。
このプラットフォームは、市場フィード、マクロ経済指標、アカウントレベルのポートフォリオデータを統合データセットに集約し、一日の終わりにバッチ処理するのではなく継続的に更新します。
機械学習モデルは、資産の動作とマクロ状態の間の繰り返しの相関関係を特定し、現在のパターンを過去のライブラリと比較して、可能性の高い短期的な軌道を推定します。
調査結果は、リスク プロファイルに基づいて重み付けされた平易な推奨事項に変換され、各提案には明確な根拠が添付されるため、根拠は監査可能です。
国間を移動しながら投資を管理すると、納税者の居住地の移動、銀行へのアクセスの一貫性のなさ、不規則な収入タイミングなど、従来の助言モデルでは対処できないように設計された摩擦が生じます。
Luna Rentisto はこの現実を中心に構成されています。このシステムは、固定された場所、単一の通貨、または予測可能な毎月のレビューを前提としていません。システムは、実際の仕事や旅行の方法に合わせてその頻度と推奨事項を調整します。
このモデルは、異なる通貨建ての保有間の相関関係を追跡し、収入と支出が国をまたいで分散している場合に見落とされやすい集中リスクを警告します。
ボラティリティ指標がリスク調整中に設定されたしきい値を超えると、システムは損失が拡大する前に、現金配分の増加やヘッジポジションなどの防御調整を提案します。
収入が不均一に届く場合、このモデルでは、毎月の固定分配金の想定をデフォルトとするのではなく、典型的な引き出しパターンに一致する流動性プロファイルを備えた収入を生み出す商品が優先されます。
ドイツに拠点を置くユーザーに属するアカウントおよびポートフォリオのデータは、EU 一般データ保護規則に従って処理されます。個人の財務データは、匿名化されたモデル トレーニング データとは別に保存され、アクセスは推奨事項の生成に必要な機能に制限されます。
モデルによって生成された推奨事項は、合意されたしきい値内で自動実行が明示的に有効になっていない限り、定義された承認ステップなしでは実行されません。モデルの出力は基礎となる理論的根拠とともに記録されるため、事後的に決定を見直すことができます。
流動性の考慮は、初期のリスク調整の一部です。システムは、割り当てを提案するときに通常の決済時間と通貨換算を考慮するため、指定した時間枠内で推奨ポジションにアクセスし続けることができます。