Do I need coding or financial modelling experience to use Nang Phatdat?

No. The platform is built for people who want the output of quantitative analysis without building the models themselves. Recommendations are presented in plain language, with technical terms defined alongside the figures they describe.

What level of risk is involved?

Every recommendation carries a risk classification based on its predictive variance and historical drawdown range. No classification removes risk entirely: markets can move against any model, and simulated historical performance does not guarantee future results.

How often are recommendations and performance reports updated?

Underlying data is processed continuously, and recommendations are recalculated as new market information arrives rather than on a fixed daily or weekly cycle. Performance reporting is refreshed on the same basis, so you are not working from a static snapshot.

How is my data and account kept secure?

Account data is encrypted in transit and at rest, and access follows standard authentication practice. Nang Phatdat does not require your brokerage or banking login details to generate recommendations, since the platform analyses market data rather than managing your funds directly.

Panel analýzy dat Nang Phatdat zobrazený na obrazovce

Analýza trhu řízená umělou inteligencí

Investiční signály podložené daty, bez práce s tabulkovým procesorem

Nang Phatdat provádí nepřetržitou statistickou analýzu a analýzu strojového učení napříč tržními cenami, objemy a makroekonomickými údaji a poté prezentuje výstup jako doporučení, která si můžete prohlédnout během několika minut. Nevyžaduje žádné kódování, žádné vytváření modelů a žádné předchozí znalosti v oblasti kvantitativního financování.

Zobrazit výkon strategie Viz Metodika

Ukázkový výstup strategie (ilustrativní)

Důvěra signáluVysoká

Historický rozsah čerpáníÚzký

Stav ověření modeluAktuální

Simulovaný příklad pouze pro ilustraci. Nejedná se o předpověď nebo záruku budoucích výnosů.

Mezeru, kterou uzavírá

Manuální analýza trhu se pro většinu investorů neškáluje

Problém s tím, že to uděláš sám

Vyhodnocování cenových trendů, objemových posunů a makroekonomických ukazatelů na několika málo trzích zabere každý týden hodiny tabulkového procesoru a většina z těchto analýz je zastaralá, než je dokončena. Vybudování funkčního prediktivního modelu od nuly vyžaduje statistiky, programování a průběžnou údržbu, na kterou má málo retailových investorů čas nebo zázemí.

Automatická vrstva mezi nezpracovanými daty a rozhodnutím

Nang Phatdat zpracovává stejné kategorie dat, jaké by použil kvantitativní analytik, aplikuje modely, které již byly testovány na historických podmínkách, a uvádí pouze doporučení, která vyřeší definovaný práh spolehlivosti. Zkontrolujete výstup; zpracování běží nepřetržitě na pozadí, ať už jej sledujete nebo ne.

Tři pojmy, které stojí za to pochopit, než začnete

Algoritmické ověření: Testování předpokladů modelu proti datům, která předtím neviděl, aby se ověřilo, zda jeho logika obstojí mimo vzorek, na kterém byl postaven.
Prediktivní rozptyl: Rozsah, ve kterém se očekává, že se výstup modelu bude lišit. Užší rozptyl obecně ukazuje na stabilnější signál s vyšší spolehlivostí.
Zpětně testovaná návratnost investic: Návratnost, kterou by strategie přinesla, kdyby byla aplikována na historická tržní data. Popisuje simulovanou minulou výkonnost, nikoli příslib budoucích výsledků.

Pod kapotou

Co platforma vlastně dělá

Za každým doporučením, které vidíte na obrazovce, jsou čtyři funkce.

Modelování

Prediktivní modelování

Statistické modely a modely strojového učení hledají trvalé vzorce napříč cenovými, objemovými a sentimentálními údaji a vytvářejí výhledové signály spíše než statický snímek aktuálního stavu trhu.

Datový kanál

Zpracování dat v reálném čase

Zdroje z trhu se zpracovávají nepřetržitě, takže modely se přepočítávají, jakmile přicházejí nové informace, místo aby čekaly na pevný denní nebo týdenní cyklus aktualizací.

Kontrola rizik

Automatické zmírňování rizik

Každé doporučení nese klasifikaci rizika a automaticky se uplatňují pravidla pro velikost pozice, aby se omezilo vystavení se jakémukoli jednotlivému signálu, modelu nebo trhu.

Validace

Historický Backtesting Engine

Předtím, než se model dostane na váš řídicí panel, je testován proti letitým historickým datům, aby se zjistilo, jak by si vedl, a to i v obdobích napětí na trhu.

Zpětně testovaný strategický proces

Jak se vytváří doporučení

Každá strategie prochází stejnými čtyřmi fázemi, než se dostane na váš řídicí panel. Žádný z těchto kroků není přeskočen, aby byl výsledek rychlejší.

Sběr dat

Ceny, objem obchodů a relevantní makroekonomické ukazatele jsou získávány z více trhů a normalizovány do společného formátu.

Validace modelu

Každý model prochází algoritmickou validací proti historickým obdobím, na kterých nebyl trénován, včetně minulých poklesů, aby se změřilo, jak by jeho logika obstála při stresu.

Strategie provádění

Doporučení jsou vydávána s přiloženou klasifikací rizika a navrhovanou velikostí pozice, spíše než jako jediný nekvalifikovaný pokyn k nákupu nebo prodeji.

Sledování výkonu

Aktuální výsledky jsou průběžně porovnávány se zpětně testovanými projekcemi modelu. Pokud se výsledky významně liší, je model označen pro rekalibraci.

Jak se staví

Postaven tak, aby ukázal svou funkčnost

Nang Phatdat je vytvořen týmem datových analytiků a inženýrů, kteří s každým modelem zacházejí spíše jako s dokumentovaným procesem než s uzavřeným systémem. Každé doporučení lze vysledovat zpět k datovým vstupům a krokům ověření, které je vytvořily, takže můžete vidět důvody za signálem spíše než jednoduše důvěřovat výstupu.

Platforma sídlí ve Spojeném království a je strukturována podle očekávání investorů se sídlem ve Spojeném království v oblasti zpracování dat a vykazování, přičemž u každé zprávy o strategii jsou k dispozici poznámky k metodice.

Analytici Nang Phatdat kontrolují data ověření modelu na obrazovce

Rozvržení přehledů

Bližší pohled na přehledy, které byste viděli

Panel níže zrcadlí strukturu informačního panelu a používá simulované obrázky k ilustraci rozložení spíše než k reprezentaci skutečných výsledků obchodování.

Simulovaná křivka backtestu (ilustrativní)

Backtest period

Vícenásobné úplné tržní cykly, včetně poklesů, spíše než jeden příznivý úsek historie.

Pásmo prediktivní odchylky

Hlásí se spolu s každým doporučením, nezadržuje se v podpůrné dokumentaci, kterou si musíte vyžádat samostatně.

Revalidace modelu

Běží podle pevného plánu a spouští se automaticky, pokud se živý výkon odchyluje od zpětně testovaných očekávání.

Čísla a grafy v této části jsou pouze ilustrativní a nepředstavují historickou ani předpokládanou výkonnost žádné konkrétní strategie. Minulá simulovaná výkonnost není spolehlivým ukazatelem budoucích výsledků a každá investice s sebou nese riziko ztráty.

Než začnete

Otázky, které dostáváme nejčastěji

Potřebuji k používání Nang Phatdat zkušenosti s kódováním nebo finančním modelováním?

Ne. Platforma je vytvořena pro lidi, kteří chtějí výstupy kvantitativní analýzy, aniž by si sami sestavovali modely. Doporučení jsou prezentována srozumitelným jazykem s technickými termíny definovanými vedle obrázků, které popisují.

O jakou míru rizika se jedná?

Každé doporučení nese klasifikaci rizika na základě jeho prediktivního rozptylu a historického rozsahu čerpání. Žádná klasifikace zcela neodstraňuje riziko: trhy se mohou pohybovat proti jakémukoli modelu a simulovaná historická výkonnost nezaručuje budoucí výsledky.

Jak často se aktualizují doporučení a přehledy výkonu?

Podkladová data se zpracovávají průběžně a doporučení se přepočítávají podle toho, jak přicházejí nové tržní informace, spíše než v pevném denním nebo týdenním cyklu. Přehledy výkonu se obnovují na stejném základě, takže nepracujete ze statického snímku.

Jak jsou moje data a účet zabezpečeny?

Data účtu jsou šifrována při přenosu i v klidu a přístup se řídí standardními postupy ověřování. Nang Phatdat nevyžaduje pro generování doporučení vaše přihlašovací údaje k makléřství nebo bankovnictví, protože platforma analyzuje údaje o trhu spíše než přímou správu vašich prostředků.