Saifeddine Boumaza izmanto atpakaļpārbaudītus, mākslīgā intelekta vadītus modeļus, salīdzinot ar jūsu kases datiem, lai ieteiktu, kur var pārvietot lieko naudu, nepārkāpjot jūsu likviditātes prasības.
Lielākā daļa Francijas MVU glabā apgrozāmos līdzekļus zema ienesīguma kontos, jo alternatīvas izskatās sarežģītas vai riskantas. Šai piesardzībai ir izmaksas: plaisa starp to, ko nopelna tukšā nauda, un to, ko disciplinēta, pārbaudīta sadales stratēģija var atdot ik ceturksni, kas netiek novērsta. Tradicionālie uzkrājumu produkti nav izstrādāti, lai reaģētu uz mainīgajiem tirgus apstākļiem reāllaikā. Saifeddine Boumaza pastāv, lai novērstu šo plaisu, nelūdzot finanšu komandai kļūt par tirgotājiem.
Sistēma neuzmin. Tā analizē vēsturiskos cenu un likviditātes modeļus, izmanto tos, izmantojot paredzamos modeļus, un apstiprina katru ieteikumu, salīdzinot ar iepriekšējiem tirgus cikliem, pirms tie nonāk jūsu informācijas panelī.
Dzinējs prognozē īstermiņa likviditātes vajadzības no jūsu darījumu vēstures, pēc tam piedāvā tādus piešķīrumus, lai apgrozāmie līdzekļi netiktu ietekmēti.
Katra stratēģija tiek izmantota, pamatojoties uz vēsturiskiem datiem, kas aptver likmju pieauguma, samazināšanās un stabilas izaugsmes periodus, pirms tā tiek aktivizēta aktīvajā kapitālā.
Ieteikumus ierobežo iepriekš noteiktas likviditātes zemākās robežas un svārstīguma griesti, tāpēc modelis nevar ierosināt darbības, kas apdraud īstermiņa maksātspēju.
Kad tiek saņemti jauni darījumu un tirgus dati, modelis atjaunina savus ieteikumus, nevis paļaujas uz statisku ceturkšņa pārskatu.
Atpakaļpārbaudītie rezultāti tiek parādīti kā mainīgs salīdzinājums starp statisko naudas pozīciju un modeļa ieteikto sadalījumu tajā pašā periodā. Abās rindās tiek izmantots identisks sākuma kapitāls un identiski tirgus dati, tāpēc vienīgais mainīgais ir izmantotā stratēģija.
Stratēģijas tiek pārbaudītas, pamatojoties uz vēsturiskiem tirgus datiem, izmantojot pāreju uz priekšu: modelis tiek apmācīts vienā logā, tiek testēts nākamajā neredzētajā periodā un atkārtojas. Tas ļauj izvairīties no modeļa pielāgošanas datiem, ko tas jau redzējis.
Katrs atpakaļpārbaudījums nodrošina minimālo likviditātes rezervi, maksimālo vienas pozīcijas ekspozīciju un apturēšanas nosacījumu, kas saistīts ar svārstīguma sliekšņiem. Šie ierobežojumi identiski attiecas uz reāllaika ieteikumiem.
Saistiet bankas kontus, grāmatvedības programmatūru vai ERP eksportu, izmantojot tikai lasāmu savienojumu. Šajā posmā līdzekļu pārskaitījums nenotiek.
Dzinējs pēta ieplūdes, izplūdes un sezonālās izmaiņas, lai noteiktu, cik liela daļa jūsu bilances patiešām ir dīkstāvē.
Jūs saņemat ranžētu piešķiršanas opciju kopu, katrai no kurām ir blakus parādīti vēsturiskie darbības rādītāji un riska parametri.
Nekas nekustas bez skaidras piekrišanas. Pēc apstiprināšanas sistēma izseko pozīciju un atzīmē visas novirzes no paredzamās darbības.
Dati tiek apstrādāti un glabāti infrastruktūrā, kas atrodas Eiropas Savienībā, saskaņā ar GDPR prasībām, kas attiecas uz uzņēmumiem, kas darbojas Francijā.
Ieteicamie piešķīrumi tiek atlasīti īpaši atbilstoši to likviditātes profilam. Katrā priekšlikumā ir norādīti piekļuves nosacījumi pirms tā apstiprināšanas, tāpēc vēlāk nav nekādu pārsteigumu.
Nē. Saifeddine Boumaza ģenerē ieteikumus un savienojas ar izpildi, izmantojot jūsu esošās bankas attiecības. Līdzekļu glabāšana vienmēr paliek jūsu bankā.
Bankas savienojumi ir tikai lasāmi visur, kur tie tiek atbalstīti, dati tiek šifrēti sūtīšanas un atpūtas laikā, un piekļuve ir ierobežota ar kontiem, kurus esat skaidri pilnvarojis.
Modelis nepārtraukti veic atkārtotu kalibrēšanu un atzīmēs pozīcijas, kas neatbilst iepriekš iestatītajiem riska parametriem, nevis gaidīs plānoto pārskatīšanu.
Darbplūsma ir veidota tā, lai katram ieteikumam būtu nepieciešama viena apstiprināšanas darbība. Lai to vadītu, nav nepieciešams tirdzniecības birojs vai īpašs kases analītiķis.