01 · Was ankommt
Risiko, Abweichung und die Worte kommen zusammen zurück.
Die Plattform sendet die Zusammensetzung des Portfolios. Der Dienst liest sie und greift nicht auf die Assets zu. Die Antwort hat drei Teile: ein Risikomaß, wie weit die Gewichte von den gewählten abgewichen sind, und eine Erklärung in Klartext.
02 · Was er tut
Er beobachtet die Portfolios und handelt sie nicht.
- Portfolioanalyse Misst, wie weit die Gewichte von den gewählten abgewichen sind, und setzt einen Rebalancing-Vorschlag. Er führt ihn nicht aus. Wer das Portfolio hält, entscheidet.
- Viele Portfolios Meldet nur die Portfolios, in denen sich etwas ändert: Risiko, Abstand zu den gewählten Gewichten oder ein Depeg. Dieselbe Warnung wird nicht wiederholt. Ein Stablecoin ohne Peg-Messung gilt nicht als intakt.
- Klartext Die Erklärung verwendet nur die Zahlen, die die Engine berechnet hat. Sie stellt keine Prognose.
- Krypto-Anteil nach Marktphase Die empfohlene Krypto-Quote für die aktuelle Marktphase, mit den Grenzen, die die Engine nennt. Wer das Portfolio hält, entscheidet.
03 · Was er zusichert
Nur Lesen. Die Engine rechnet. Portfolios bleiben nicht.
Keine Schlüssel
Nur Lesen. Keine privaten Schlüssel, keine Wallets, keine Börsen-Zugangsdaten.
Die Engine rechnet
Deterministischer Code berechnet die Zahlen. Sprachmodelle erklären sie nur.
Nicht gespeichert
Kundenportfolios werden nicht gespeichert. Der Dienst analysiert sie und gibt den Bericht zurück.
04 · Noch nicht
Berichte kommen mit dem Aufruf zurück. Sie werden nicht archiviert.
Erzeugte Berichte werden nicht aufbewahrt. On-Chain-Daten gehören noch nicht zur Lesart.
05 · Forschung
Veröffentlichte Methoden stehen unter den Zahlen.
Die Engine wendet Methoden an, die in wissenschaftlichen Zeitschriften veröffentlicht sind.
- Krypto-Risikofaktoren Liu, Y., Tsyvinski, A. & Wu, X. (2022). Common risk factors in cryptocurrency. The Journal of Finance, 77(2), 1133–1177. https://doi.org/10.1111/jofi.13119
- Portfoliokonstruktion López de Prado, M. (2016). Building diversified portfolios that outperform out of sample. The Journal of Portfolio Management, 42(4), 59–69. https://doi.org/10.3905/jpm.2016.42.4.059
- Hierarchical Risk Parity auf Krypto Burggraf, T. (2021). Beyond risk parity – A machine learning-based hierarchical risk parity approach on cryptocurrencies. Finance Research Letters, 38, 101523. https://doi.org/10.1016/j.frl.2020.101523
- Marktphasen Giudici, P. & Abu Hashish, I. (2020). A hidden Markov model to detect regime changes in cryptoasset markets. Quality and Reliability Engineering International, 36(6), 2057–2065. https://doi.org/10.1002/qre.2673
Nur Portfolioanalyse. Keine Ausführung, und keine Anlageberatung.