在向用户展示任何策略之前，都会根据多年的历史数据进行测试，并在不同的市场条件下进行压力测试。任何内容都不会仅基于假设而发布。
Lumorix 提取结构化和非结构化市场数据（定价历史、波动模式和宏观经济指标），然后对其进行标准化，以便模型根据一致的、经过错误检查的数据集而不是原始的、嘈杂的数据集进行工作。
每个候选策略都会针对过去的多个市场时期（包括经济低迷时期）进行运行，以了解其表现如何。这不是对未来回报的预测；而是对未来回报的预测。它是衡量逻辑在真实历史条件下如何成立的衡量标准。
为了解释市场很少精确重复的事实，我们围绕每个回测场景进行了数千次随机模拟。简单来说，这意味着针对未来的许多可能的变化而不是单一的假设结果来测试策略。
策略的排名不仅取决于潜在回报，还取决于实现回报所需的波动性。低回报、低波动性的方法可能会高于高回报、高风险的方法，具体取决于您设置的风险承受能力。
在投资术语中，阿尔法是指策略产生的回报高于您仅持有广泛市场基准的预期回报。当我们提到 Alpha 一代时，我们的意思是识别历史数据中始终优于基线的模式，而不是承诺这种优异表现将无限期地持续下去。
这些图描述了所选策略在测试期间如何针对历史数据执行。它们是过去的记录，而不是未来结果的保证。
过去的表现，包括回测结果，并不是未来表现的可靠指标。投资价值可升可跌，您的回报可能会少于投资。 Lumorix提供数据分析和建模工具；它不提供受监管的财务建议，策略输出应与您自己的判断和风险承受能力一起考虑。
该平台的设计使得建模工作在后台连续进行，同时您保留对决策的可见性和控制力。
配置策略后，Lumorix 会继续监控相关数据并在情况发生变化时进行标记，因此您无需每天观察市场即可了解最新情况。
每项建议都带有根据波动率模型得出的风险评分，因此您可以在投入资金之前权衡潜在回报与下行风险。
您可以查看任何给定策略背后的回测周期、样本大小和模拟范围，而不是依赖于单个标题数字。
设置您的审核频率（每周、每月或每季度），平台会调整其报告节奏以匹配您想要的实践程度。
建议会连同其基础数据一起呈现，因此您仍然是对资本分配的最终决定者。
根据回测预期的绩效按照设定的时间表进行审查，因此可以及早发现模型结果和实际结果之间的偏差。
相同的基础方法用于多种常见场景。下面的示例说明了如何根据所涉及的决策类型使用输出。
拥有现有投资组合的专业人士使用 Lumorix 来确定二级策略，其规模与其核心持股分开，并具有已针对历史低迷和增长时期进行回溯测试的明确风险范围。
监控工作量低于活跃交易，每月一次提供报告，并在接近回测风险阈值时清除标记。
在分配任何资本之前，已经持有集中头寸的投资者可以使用平台的模拟输出来了解额外的、不相关的策略在历史上与现有资产的表现如何。
历史相关性和波动性的记录视图，用于为分配决策提供信息，而不是预测特定的回报数字。
拥有盈余运营现金的小企业主采用通过回溯测试确定的保守、波动性较低的策略，优先考虑资本保值和流动性，而不是较高、不确定性较高的回报。
策略专门针对较低的历史回撤进行筛选，季度审查周期与典型的业务现金流规划保持一致。
Lumorix 的建立前提是，副业收入应受到机构投资中使用的相同分析严谨性的控制，并缩小到无需量化金融背景即可使用的水平。
该平台不是提供单个可信数字，而是显示每个策略背后的数据、测试周期和模拟结果范围，以便您可以根据其方法而不是信念来判断推荐。
回测和蒙特卡罗模拟等技术术语在整个界面的上下文中进行了解释，因此即使您是第一次接触这一点，底层逻辑仍然可见。
这些是刚接触数据驱动投资分析的专业人士最常提出的问题。
不会。该平台是为金融以外的专业人士构建的，他们希望应用数据主导的决策，而无需学习自己构建模型。技术术语无论出现在哪里，都会以通俗易懂的语言进行解释，并且每条建议都包含为非专业读者编写的摘要。
这意味着策略的逻辑已被追溯应用于历史市场数据，以了解其表现如何，包括在下跌时期。这是一种检查策略随时间的一致性的方法；它不能保证相同的模式会重复出现。
大多数用户每周、每月或每季度查看报告，具体取决于他们选择的设置。底层监控在后台持续运行，因此日常参与仅限于审查摘要并决定是否对其采取行动。
是的。所有投资都带有风险，回溯测试或模拟表现并不能消除风险。 Lumorix 旨在通过建模帮助量化和管理风险，而不是消除风险。您应该只投入您准备好看到价值波动的资本。
模型每周都会根据新的市场数据进行重新校准，以便根据上次审查以来实际发生的情况来检查回溯测试的假设，而不是无限期地保持不变。
是的。 Lumorix 是一种数据分析和决策支持工具，不能替代受监管的财务建议。许多用户将平台的建模输出带入与现有顾问的对话中，而不是单独采取行动。