Acrobat Scrap instrumentpanelskoncept som illustrerar AI-driven portföljriskanalys

Protection-First Portfolio Intelligence

Algoritmisk Stop-Loss Management för portföljer som inte har råd att gissa

Acrobat Scrap tillämpar kontinuerlig AI-driven analys på dina innehav, räknar om riskexponeringen dygnet runt och skärper eller släpper stop-loss-trösklar när förhållandena ändras. Målet är okomplicerat: minska nedgången innan den förvärras, snarare än att reagera i efterhand.

Drawdown exponering, illustrativ modellutgång

En förenklad jämförelse av ohanterad exponering mot stop-loss-hanterad exponering under en simulerad marknadsnedgång.

Ohanterad
exponering
Stop-loss
lyckades
Ohanterad
exponering
Stop-loss
lyckades

Endast belysande modellutdata. Inte faktiska handelsresultat och inte en indikation på framtida resultat.

Hur det fungerar

Ett stop-loss-system som omvärderar risken kontinuerligt, inte bara vid månadsskiftet

De flesta stop-loss-order är fasta: inställda en gång, lämnade statiska och utlöses ofta för sent eller för tidigt. Acrobat Scrap:s system räknar om trösklar med hjälp av livemarknadsdata, så skyddet flyttas med portföljen istället för att sitta still.

Den underliggande logiken

Modellen behandlar volatilitet, likviditet och korrelation mellan innehav som rörliga insatser snarare än fasta antaganden. När volatiliteten stiger skärps tröskelvärdena i proportion. När förhållandena stabiliseras, breddas tröskelvärdena för att undvika att lämna en position om vanligt marknadsbuller. Detta minskar de två vanliga fellägena av statiska stoppförluster: att stoppas ut under kortlivade dippar, eller hålla på för länge genom en äkta nedgång.

Varje justering loggas och hänförs till en specifik ingångsändring, så att du kan se varför en tröskel flyttades, inte bara att den gjorde det.

  • OmvärderingsfrekvensKontinuerlig, intradag
  • Primära ingångarPrisåtgärder, volatilitet, likviditetsdjup
  • TröskeltypDynamisk, volatilitetsjusterad
  • ExekveringsdirigeringAutomatiserad, undersekund
  • Mänskligt åsidosättandeTillgänglig på kontonivå
  • RevisionsspårFullständig justeringshistorik

Läser data

Portföljvyn presenterar tröskelrörelser som en tidsserie tillsammans med det underliggande tillgångspriset, snarare än en enstaka procentsats. Detta låter dig spåra varje justering tillbaka till marknadstillståndet som orsakade den, vilket är särskilt relevant när du förklarar beslut för en make, rådgivare eller förmånstagare.

Varför vi byggde detta

Ett rådgivande förhållningssätt till automatiserad riskkontroll

Acrobat Scrap byggdes på premissen att kapitalbevarande förtjänar samma analytiska noggrannhet som vanligtvis är reserverad för tillväxtstrategier. Vi arbetar med datadrivna beslutsmodeller som används i institutionell riskhantering och anpassar dem för individuella portföljer, med betoning på transparens framför komplexitet.

Plattformen syftar inte till att förutsäga marknadsriktningen. Det syftar till att begränsa skadan när riktningen vänder mot en position, och att göra det utan att kräva konstant manuell uppmärksamhet.

Acrobat Scrap-team granskar datadrivna riskanalysmodeller
Metodik

Hur beslutsoptimeringsprocessen fungerar, steg för steg

Vi beskriver mekaniken tydligt, utan att förlita oss på vittnesmål eller obekräftbara påståenden. Processen nedan beskriver vad som händer mellan att data anländer och en tröskeländring.

  1. 01

    Dataintag

    Marknadsflöden, volatilitetsindex och portföljinnehav dras in kontinuerligt från licensierade dataleverantörer.

  2. 02

    Riskpoäng

    Varje innehav får ett riskpoäng baserat på aktuell volatilitet, likviditet och korrelation med resten av portföljen.

  3. 03

    Tröskelkalibrering

    Stop-loss nivåer räknas om mot riskpoängen och kontots angivna risktolerans.

  4. 04

    Kontinuerlig övervakning

    Positioner övervakas mot kalibrerade tröskelvärden utan avbrott, inklusive utanför marknadsstandard timmar där så är relevant.

  5. 05

    Automatiserat utförande

    När en tröskel överskrids, dirigeras ordern automatiskt. Inget steg i denna sekvens väntar på manuellt godkännande.

  6. 06

    Granskning efter handel

    Varje utlöst utgång loggas med de dataförhållanden som orsakade den, tillgänglig för din egen granskning när som helst.

Datainmatningar som används vid tröskelkalibrering och hur ofta varje uppdatering uppdateras
Datakategori Källtyp Uppdateringsfrekvens
Marknadsprisdata Licensierade utbytesflöden Realtid
Volatilitetsindex Derivatmarknadsdata Realtid
Likviditetsdjup Beställningsbok ögonblicksbilder Intradag
Makroekonomiska indikatorer Offentliga datasläpp Dagligen
Portföljspecifik risktolerans Klientdefinierade inställningar På förändring

Om modellvalidering: Kalibreringslogiken testas mot historiska marknadsperioder, inklusive kraftiga nedgångar och långa sträckor med låg volatilitet, innan den appliceras live. Backtesting visar hur modellen skulle ha betett sig under tidigare förhållanden; det är ingen garanti för hur det kommer att bete sig i framtida förhållanden, och vi presenterar det inte som en. Parametrar granskas på ett periodiskt schema snarare än lämnas statiskt på obestämd tid.

Strategiska användningsfall

Praktisk tillämpning över olika pensionsförhållanden

Lämplig tröskelkänslighet beror på vad portföljen behöver göra. Scenarierna nedan illustrerar hur samma underliggande system anpassar sig till olika mål.

Konservativ

Konsoliderar en arbetsplatspension

En förtidspensionär som överför flera arbetsplatspensioner till ett enda förvaltat konto, med tio eller fler år tills uttag börjar och en preferens för att begränsa stora ettåriga förluster.

Förväntat utfall: bredare tröskelvärden under ordinarie volatilitet, snävare tröskelvärden endast när korrelerad risk ökar över portföljen, vilket minskar frekvensen av förtida exits.

Balanserad

Rita en vanlig inkomst i pension

En pensionär som tar en fast månadsinkomst från en portfölj som måste förbli tillräckligt likvid för att möta uttag utan tvångsförsäljning under en nedgång.

Förväntat utfall: tröskelvärden kalibrerade för att skydda kapitalbasfinansieringsinkomstuttag, med likviditetsdjup viktat tyngre i riskpoängen.

Försiktig tillväxt

Att bevara ett engångsbelopp efter en fastighetsförsäljning

En individ som innehar en betydande engångssumma som söker uppmätt tillväxt över kontantavkastning utan att exponera hela beloppet för neddragning på aktiemarknaden.

Förväntat utfall: en mindre allokering till tillgångar med högre volatilitet, var och en hålls under snävare stop-loss-band i förhållande till resten av portföljen.

Frågor vi ställs mest

Likviditet, säkerhet och gränserna för AI-autonomi

Kan jag fortfarande komma åt mina pengar när systemet hanterar en position?

Ja. Automatiserad stop-loss-hantering begränsar inte uttag eller låser pengar. Positioner förblir en del av ditt konto och kan justeras eller likvideras manuellt när som helst, med förbehåll för normala öppettider på marknaden.

Agerar AI:n någonsin utan mänsklig tillsyn alls?

Utförande av en utlöst stop-loss är designmässigt automatiserad, eftersom syftet är att ta bort fördröjning. Men parametrarna som modellen arbetar inom, inklusive din övergripande risktolerans, ställs in av dig och kan granskas eller ändras när som helst. Modellen har inte behörighet att ändra dina angivna riskinställningar på egen hand.

Vad händer under en snabbkrasch eller ett plötsligt likviditetsgap?

Likviditetsdjup är en av modellens live-ingångar. Under förhållanden med ovanligt tunn likviditet kan modellen bredda tröskelvärdena tillfälligt för att undvika exekvering till snedvridna priser, snarare än att hamna i ett gap. Detta beteende loggas och syns i din kontohistorik.

Hur hålls mina konto- och portföljdata säkra?

Portfölj- och kontodata krypteras under överföring och vila, och åtkomsten är begränsad till de system som krävs för att köra riskmodellen. Vi säljer inte portföljdata till tredje part.

Kommer systemet att garantera att jag aldrig upplever en förlust?

Inget system kan garantera mot förlust, och vi skulle vara försiktiga med alla leverantörer som hävdar något annat. Stop-loss-modellen är utformad för att begränsa omfattningen av en nedgång när riskförhållandena försämras; det eliminerar inte marknadsrisken helt.

Har du en fråga som inte tas upp här? Ta kontakt med vårt team.

Ett lågtryckssätt att se hur systemet skulle behandla din portfölj

Det finns ingen skyldighet att överföra pengar för att granska dina inställningar. Du kan undersöka metodiken, ställa in din föredragna risktolerans och se hur tröskelvärdena skulle ha betett sig under tidigare marknadsförhållanden innan du bestämmer dig för om du ska fortsätta.

Granska systemparametrar
  1. Ställ in din risktolerans och inkomst- eller uttagsbehov.
  2. Granska hur modellen skulle kalibrera trösklar för dina nuvarande innehav.
  3. Justera inställningarna eller lämna dem på de föreslagna standardinställningarna.
  4. Aktivera övervakning, med manuell överstyrning tillgänglig när som helst.