Lumorix tillämpar AI-driven prediktiv modellering på historisk marknadsdata, vilket ger brittiska proffs ett kvantifierbart, riskmedvetet sätt att bygga extra inkomst vid sidan av sin huvudsakliga karriär.
Innan någon strategi dyker upp för en användare testas den mot år av historisk data och stresstestas under olika marknadsförhållanden. Ingenting publiceras enbart på antagande.
Lumorix hämtar strukturerad och ostrukturerad marknadsdata – prishistorik, volatilitetsmönster och makroekonomiska indikatorer – och normaliserar den sedan så att modellerna fungerar utifrån en konsekvent, felkontrollerad datauppsättning snarare än råa, bullriga flöden.
Varje kandidatstrategi körs mot flera tidigare marknadsperioder, inklusive nedgångar, för att se hur den skulle ha presterat. Detta är inte en förutsägelse av framtida avkastning; det är ett mått på hur logiken höll sig under verkliga historiska förhållanden.
För att ta hänsyn till det faktum att marknader sällan upprepar exakt, kör vi tusentals randomiserade simuleringar runt varje backtestat scenario. Enkelt uttryckt innebär detta att testa en strategi mot många troliga varianter av framtiden, snarare än ett enda antaget resultat.
Strategier rankas inte bara på potentiell avkastning utan på hur mycket volatilitet de har för att uppnå den. En metod med lägre avkastning och lägre volatilitet kan rankas över en högre avkastning och högre risk, beroende på vilken risktolerans du ställer in.
I investeringstermer är Alpha avkastningen en strategi ger över vad du kan förvänta dig av att helt enkelt ha ett brett marknadsriktmärke. När vi hänvisar till alfagenerering menar vi att identifiera mönster i historiska data som konsekvent har överträffat baslinjen – inte ett löfte om att denna överprestation kommer att fortsätta på obestämd tid.
Dessa siffror beskriver hur utvalda strategier presterade mot historisk data under de testade perioderna. De är ett rekord av det förflutna, inte en garanti för framtida resultat.
Tidigare resultat, inklusive testade resultat, är inte en tillförlitlig indikator på framtida resultat. Värdet på investeringar kan falla såväl som stiga, och du kan få tillbaka mindre än du investerar. Lumorix tillhandahåller verktyg för dataanalys och modellering; den ger inte reglerad finansiell rådgivning, och strategiresultat bör övervägas tillsammans med ditt eget omdöme och risktolerans.
Plattformen är utformad så att modelleringsarbetet sker kontinuerligt i bakgrunden, samtidigt som du behåller synlighet och kontroll över beslut.
När en strategi väl har konfigurerats fortsätter Lumorix att övervaka relevant data och flagga när förhållandena ändras, så du behöver inte titta på marknader dagligen för att hålla dig informerad.
Varje rekommendation har ett riskpoäng som härrör från volatilitetsmodellering, så att du kan väga potentiell avkastning mot exponering på nedsidan innan du binder kapital.
Du kan se bakåttestningsperioden, provstorleken och simuleringsintervallet bakom en given strategi, snarare än att förlita dig på ett enda rubriknummer.
Ställ in din granskningsfrekvens – veckovis, månadsvis eller kvartalsvis – och plattformen justerar sin rapporteringskadens för att matcha hur praktisk du vill vara.
Rekommendationer presenteras med deras underliggande data, så du förblir den som gör det sista samtalet om var kapitalet allokeras.
Prestanda mot tillbakatestade förväntningar granskas enligt ett fastställt schema, så avvikelse mellan modellerade och faktiska utfall identifieras tidigt.
Samma underliggande metodik används i flera vanliga scenarier. Exemplen nedan illustrerar hur utdata tenderar att användas, baserat på vilken typ av beslut det handlar om.
En professionell med en befintlig investeringsportfölj använder Lumorix för att identifiera en sekundär strategi, dimensionerad separat från sina kärninnehav, med ett definierat riskband som har testats mot historiska nedgångar såväl som tillväxtperioder.
Lägre övervakningsinsats än aktiv handel, med rapportering som levereras på en månatlig cykel och tydliga flaggor när backtestade risktrösklar närmar sig.
En investerare som redan har koncentrerade positioner använder plattformens simuleringsresultat för att förstå hur en ytterligare, okorrelerad strategi kan ha betett sig historiskt vid sidan av sina befintliga tillgångar, innan man allokerar något kapital.
En dokumenterad syn på historisk korrelation och volatilitet, som används för att informera allokeringsbeslut snarare än att förutsäga en specifik avkastningssiffra.
En småföretagare med överskott av operativa kontanter tillämpar en konservativ strategi med lägre volatilitet identifierad genom backtesting, prioriterar kapitalbevarande och likviditet framför högre, mindre säker avkastning.
Strategier som filtrerats specifikt för lägre historisk nedgång, med kvartalsvisa granskningscykler anpassade till typisk affärskassaflödesplanering.
Lumorix byggdes på premissen att inkomster från sidohustle bör styras av samma analytiska rigor som används vid institutionella investeringar, nedskalad till en nivå som är användbar utan bakgrund inom kvantitativ finansiering.
Istället för att presentera ett enda säkert nummer visar plattformen data, testperioden och intervallet av simulerade resultat bakom varje strategi, så att du kan bedöma rekommendationen utifrån dess metod snarare än på tro.
Tekniska termer som backtesting och Monte Carlo-simulering förklaras i sammanhanget genom hela gränssnittet, så den underliggande logiken förblir synlig även om du närmar dig detta för första gången.
Det här är de frågor som oftast ställs av proffs som är nya inom datadriven investeringsanalys.
Nej. Plattformen är byggd för proffs utanför finansbranschen som vill tillämpa datastyrt beslutsfattande utan att lära sig att bygga modeller själva. Tekniska termer förklaras i klartext var de än förekommer, och varje rekommendation innehåller en sammanfattning skriven för en icke-specialistläsare.
Det betyder att en strategis logik har tillämpats retroaktivt på historiska marknadsdata för att se hur den skulle ha presterat, inklusive under perioder av nedgång. Det är ett sätt att kontrollera en strategis konsekvens över tid; det garanterar inte att samma mönster kommer att upprepas framöver.
De flesta användare granskar rapportering på vecko-, månads- eller kvartalsbasis, beroende på vilken inställning de väljer. Den underliggande övervakningen löper kontinuerligt i bakgrunden, så det dagliga engagemanget är begränsat till att granska sammanfattningar och besluta om man ska agera efter dem.
Ja. Alla investeringar medför risk, och backtestad eller simulerad prestanda tar inte bort det. Lumorix är utformad för att hjälpa till att kvantifiera och hantera risker genom modellering, inte för att eliminera dem. Du bör endast satsa kapital som du är beredd att se fluktuera i värde.
Modeller omkalibreras mot nya marknadsdata på en veckocykel, så att backtestade antaganden kontrolleras mot vad som faktiskt har hänt sedan den senaste granskningen, snarare än att lämnas statiska på obestämd tid.
Ja. Lumorix är ett verktyg för dataanalys och beslutsstöd, inte en ersättning för reglerad finansiell rådgivning. Många användare tar med plattformens modelleringsresultat till en konversation med sin befintliga rådgivare snarare än att agera på den isolerat.
Skapa ett konto för att köra en provanalys mot din egen risktolerans och tidshorisont, med samma backtestingmotor som beskrivs ovan.
Börja din analys Läs mer om hur modellerna testas