Espace de travail d'analyse de données Ruby Capitora affichant des graphiques historiques du marché et des indicateurs de risque

Intelligence factuelle pour les nouveaux investisseurs

Les marchés génèrent désormais plus de signaux qu’un individu ne peut raisonnablement en évaluer en temps réel. Ruby Capitora applique des modèles statistiques back-testés aux données historiques de prix et de volume, vous donnant un point de référence calibré avant d'engager du capital – plutôt qu'une réaction au dernier titre.

Explorez la plateforme Examinez les données backtestées

Chaque recommandation est traçable à un modèle historique documenté, illustré par sa période de test et sa classification de risque – et non présentée comme une prédiction sans réserve.

Pourquoi cela semble plus difficile qu'il ne le devrait

Pourquoi la volatilité est plus difficile à lire que ne le suggèrent les gros titres

L’investisseur de détail britannique moyen a désormais accès à davantage de données de marché en direct qu’un pupitre de négociation professionnel n’en avait il y a vingt ans. Toutefois, l’accès n’est pas la même chose que la clarté. Face à des milliers d'indicateurs mis à jour à la seconde près, la plupart des nouveaux investisseurs optent par défaut pour l'une des deux réponses suivantes : la paralysie de l'analyse ou une réaction émotionnelle à un mouvement de prix à court terme.

Paralysie de l'analyse : trop d’indicateurs, sans cadre cohérent pour les comparer les uns aux autres.
Biais de récence : la fluctuation des prix la plus récente a plus de poids que les tendances historiques à long terme.
Prise de décision réactive : les changements de portefeuille motivés par un titre plutôt que par un ensemble de règles documentées.
Évaluation des risques incohérente : la tolérance au risque est estimée une seule fois, puis rarement revérifiée par rapport au comportement réel du marché.

Ruby Capitora ne supprime pas la volatilité – aucun modèle ne le peut. Il remplace le jugement ad hoc par un processus documenté et testable : les mêmes entrées produisent la même classe de recommandations, un jour donné, quel que soit le cycle de l'actualité.

Espace de travail Ruby Capitora affichant les graphiques de données de marché historiques utilisés pour l'analyse des modèles

Méthodologie

Comment le moteur d'analyse parvient à une recommandation

Plutôt que de traiter le modèle comme une boîte noire, Ruby Capitora présente chaque étape du processus, depuis les données brutes jusqu'à une suggestion validée et ajustée en fonction du risque.

01 — INGESTION

Ingestion de données

Le moteur ingère des décennies de données historiques sur les prix, les volumes et les données macroéconomiques provenant de fournisseurs de données de marché agréés, les synthétisant en un ensemble de données unique et nettoyé avant le début de toute analyse.

02 — MODÉLISATION

Modélisation prédictive

Les modèles statistiques identifient des corrélations récurrentes entre les conditions historiques du marché et le comportement ultérieur des prix, en calibrant chaque modèle par rapport à plusieurs périodes historiques afin de réduire la dépendance à un seul cycle de marché.

03 — CALIBRAGE

Calibrage des risques

Chaque modèle identifié est pondéré par rapport à votre profil de risque et à votre horizon temporel déclarés, en ajustant la taille des positions et l'exposition à la volatilité avant qu'une recommandation n'atteigne votre tableau de bord.

04 — VALIDATION

Sortie validée

Les recommandations sont validées par rapport à des données historiques hors échantillon (périodes sur lesquelles le modèle n'a pas été formé) et le raisonnement sous-jacent est affiché à côté de la suggestion, et non caché derrière celle-ci.

Outils de plateforme

Outils fonctionnels conçus pour l'aide à la décision

Chaque outil est conçu pour réduire le bruit et non pour ajouter un autre tableau de bord à surveiller.

Notation des risques en temps réel

Un score continuellement mis à jour reflétant la distance entre votre portefeuille actuel et votre profil de risque déclaré, recalculé à mesure que de nouvelles données de marché arrivent plutôt qu'une fois par trimestre.

Bibliothèque de stratégies backtestées

Un catalogue de stratégies documentées, chacune testée par rapport aux données historiques du marché sur plusieurs cycles de marché, avec les hypothèses et limites sous-jacentes divulguées parallèlement aux résultats.

Rééquilibrage automatisé du portefeuille

Suggestions de rééquilibrage déclenchées par une dérive mesurable par rapport à votre allocation cible, et non par un jugement discrétionnaire ou le sentiment du marché.

Alertes de volatilité sur mesure

Des alertes dynamiques qui vous avertissent uniquement lorsque les données signalent un écart significatif par rapport à votre profil de risque, réduisant ainsi le bruit des notifications plutôt que de l'augmenter.

Preuve historique

Ce que montrent les données historiques et ce qu'elles ne montrent pas

Le backtesting est un outil d’évaluation de la cohérence, et non une promesse sur l’avenir. Les preuves ci-dessous sont présentées dans cet esprit.

Cohérence illustrative entre les périodes de test historiques

L'illustration ci-dessous représente le suivi d'une stratégie documentée basée sur des règles par rapport à un large indice de référence du marché sur trois périodes de test historiques distinctes, y compris les périodes de repli du marché. Il s’agit d’une illustration structurelle de la méthode de comparaison et non d’un graphique des rendements réels.

Période d'essai 1 Période de test 2 (tirage) Période d'essai 3

Représentation illustrative uniquement. Les chiffres sont utilisés pour expliquer la méthode de comparaison et ne représentent pas les rendements réels des investissements ou les chiffres de performance.

Clause de non-responsabilité concernant la méthodologie

Les simulations historiques sont construites à partir de données passées et reflètent les performances d'une stratégie dans des conditions de marché antérieures. Il s'agit d'un outil permettant d'évaluer la structure et la cohérence statistique d'une stratégie, et non d'une projection des résultats futurs. Aucune décision d’investissement ne doit reposer uniquement sur des performances backtestées.

Transparence des sources de données

Les backtests s'appuient sur des données de marché historiques sous licence provenant de fournisseurs de données financières établis, couvrant les principaux indices boursiers britanniques et internationaux. La documentation complète sur la méthodologie, y compris les périodes de test et les hypothèses, est disponible pour les utilisateurs enregistrés sur la plateforme.

Questions avant de commencer

Aide à la décision : questions courantes

Des réponses directes sur la réglementation, le traitement des données et le comportement de la plateforme lorsque les marchés s'écartent des normes historiques.

Ruby Capitora est-il réglementé de la même manière qu’un courtier traditionnel ?

Ruby Capitora fournit des outils d'analyse de données et d'aide à la décision plutôt que des conseils financiers personnels et n'est pas un courtier. Nous ne détenons ni ne déplaçons les fonds des clients. Si vous effectuez des transactions par l'intermédiaire d'un courtier distinct, nous vous recommandons de vérifier directement le statut réglementaire de cette société et de traiter nos résultats comme une contribution à votre propre décision, et non comme un substitut à celle-ci.

Comment mes données sont-elles sécurisées ?

Les données des comptes et des portefeuilles sont cryptées en transit et au repos. Nous ne vendons pas de données personnelles à des tiers et l'accès aux ensembles de données historiques brutes est limité aux systèmes qui génèrent votre score de risque et vos recommandations.

Quelle est la différence entre un modèle d’IA et un courtier humain ?

Un courtier humain fait preuve de jugement, qui peut varier d’un jour à l’autre et est difficile à vérifier après coup. Nos modèles appliquent un ensemble de règles fixes et documentées aux mêmes données, de sorte que des conditions de marché comparables produisent une classe de production comparable, et que chaque recommandation puisse être rattachée au modèle historique qui l'a éclairé.

Que se passe-t-il lorsque les marchés se comportent d’une manière que le modèle n’a jamais vue auparavant ?

Aucun ensemble de données historiques ne contient tous les scénarios futurs possibles. Lorsque les conditions actuelles se situent en dehors de la plage sur laquelle le modèle a été testé, la plateforme signale la recommandation comme étant de faible confiance et élargit la marge de risque suggérée, plutôt que de présenter une suggestion sans réserve.

Ai-je besoin d’une expérience en trading pour utiliser la plateforme ?

Aucune expérience préalable en trading n’est requise. La plateforme est conçue pour les personnes qui comprennent le concept général de risque et de rendement mais qui n'ont pas nécessairement utilisé de terminal de trading auparavant.

Données chiffrées en transit et au repos