How is client data secured?

Portfolio and account data are encrypted in transit and at rest. Access to client-level data is restricted on a role basis, and all access events are logged for audit purposes.

What happens if the predictive model drifts away from actual market behaviour?

Model drift is a known limitation of any predictive system. Forecasting outputs are monitored against realised outcomes on a rolling basis, and deviations beyond defined tolerances trigger a model review rather than being silently absorbed into future decisions.

Is the algorithm subject to human oversight?

Yes. Allocation decisions above a defined exposure threshold require review before execution. Routine, within-threshold adjustments proceed automatically but remain fully logged for later audit.

Can risk parameters be changed after onboarding?

Risk bands, drawdown limits and liquidity constraints can be revised at any point. Changes take effect from the next scheduled assessment cycle, not retroactively.

How is liquidity managed during periods of market stress?

Reallocation logic operates within pre-set liquidity constraints, which limits exposure to assets that cannot be exited within the client's defined time horizon. This reduces, but does not eliminate, liquidity risk during periods of extreme market stress.

Panel de análisis de datos de Fuertin Inversama que visualiza métricas de riesgo de cartera en tiempo real

Gestión adaptativa de riesgos

Inteligencia de datos predictiva para carteras de activos digitales que se ajusta según lo hace su tolerancia al riesgo

Fuertin Inversama analiza la estructura del mercado, las señales de volatilidad y sus propios umbrales de riesgo establecidos en tiempo real y luego reasigna en consecuencia. Ningún modelo fijo se aplica indefinidamente; el sistema está diseñado para recalibrarse a medida que cambian las condiciones.

Inicializar la evaluación de riesgos Ver Metodología

Parámetros analíticos actuales

Banda de riesgoAdaptativo - Moderado

Reequilibrar la cadenciaContinuo

Entradas de datosProfundidad del mercado, índice de volatilidad, flujo en cadena

Contexto del mercado

Por qué los modelos de asignación estática luchan con la volatilidad de los activos digitales

Los modelos de cartera tradicionales generalmente se construyen en torno a intervalos de reequilibrio fijos, como revisiones mensuales o trimestrales, y un único perfil de riesgo asignado desde el principio. Los mercados de activos digitales siguen un ciclo mucho más corto. Las dislocaciones de precios, los cambios de liquidez y las rupturas de correlación pueden ocurrir en cuestión de horas, mucho antes de que una revisión programada los registre.

Un modelo estático no falla porque su lógica sea incorrecta; falla porque las entradas con las que se calibró ya han cambiado en el momento en que se toma una decisión. Fuertin Inversama aborda esto tratando la tolerancia al riesgo y las condiciones del mercado como variables que se reevalúan continuamente, en lugar de parámetros fijados una vez al momento de la incorporación.

Analista de Fuertin Inversama revisando datos de riesgo de cartera en pantalla

Cómo se estructura el proceso de ajuste

En lugar de una única decisión de caja negra, el sistema sigue una secuencia definida cada vez que llegan nuevos datos de mercado. Esto mantiene el proceso auditable y permite a los clientes comprender por qué se produjo una reasignación.

Los datos de mercado y de cartera se incorporan y normalizan con respecto a líneas de base históricas.
La desviación de la banda de riesgo declarada por el cliente se cuantifica de forma continua.
Si la desviación excede un umbral definido, se genera y registra una propuesta de reasignación.
La ejecución se produce dentro de los límites de liquidez y exposición previamente acordados.

Tecnología central

La metodología detrás del motor de adaptación al riesgo

Tres componentes operan juntos: uno observa el mercado, el otro observa al cliente y el tercero concilia los dos en una decisión de asignación.

MÓDULO 01 — ANÁLISIS

Análisis de mercado en tiempo real

Incorporación continua de la profundidad de la cartera de pedidos, índices de volatilidad y datos de correlación entre activos, actualizados de forma continua en lugar de a intervalos de informes fijos.

MÓDULO 02 — CALIBRACIÓN

Motor de adaptación al riesgo

Realiza un seguimiento de hasta qué punto la exposición actual de la cartera coincide con la tolerancia al riesgo declarada por el cliente y señala la desviación antes de que se vuelva material, utilizando datos de comportamiento recopilados durante la incorporación y ajustados a lo largo del tiempo.

MÓDULO 03 — PRONÓSTICOS

Especificación de modelado predictivo

Los modelos de pronóstico a corto plazo se utilizan para estimar la distribución de probabilidad del movimiento de precios a corto plazo, informando las decisiones de asignación sin pretender tener certeza sobre los resultados.

Transparencia operativa

Estrategia tradicional versus asignación gestionada por IA

Una comparación estructural de cómo se toman las decisiones, no una proyección de retornos futuros.

Característica de funcionamiento	Estrategia tradicional	Asignación gestionada por IA
Frecuencia de reequilibrio	Intervalos fijos (por ejemplo, mensuales)	Continuo, impulsado por eventos
Base de evaluación de riesgos	Perfil estático establecido en la incorporación	Dinámico, reevaluado con nuevos datos
Respuesta a picos de volatilidad	Retrasado hasta el próximo ciclo de revisión	Evaluado dentro del ciclo de seguimiento.
Se requiere intervención humana	En cada decisión de reequilibrio	Sólo en excepciones de umbral
Granularidad de informes	Declaraciones resumidas periódicas	Registro de auditoría continua

Nota metodológica: las figuras anteriores describen diferencias estructurales en el diseño de procesos y la cadencia de informes. No representan el desempeño histórico o proyectado de la inversión, y la eficiencia estructural pasada no indica retornos futuros.

Flujo de trabajo

Cómo aprende el sistema su umbral de riesgo

Tres etapas, repetidas continuamente una vez completada la configuración inicial.

Incorporación y captura de datos.

Complete un cuestionario de riesgo estructurado y conecte datos relevantes de la cartera. Esto constituye la base inicial, no un entorno permanente.

Configuración de parámetros

Los límites de exposición, los rangos de retiro aceptables y las restricciones de liquidez se definen explícitamente y permanecen visibles y editables en cualquier momento.

Optimización autónoma

Dentro de los parámetros acordados, el sistema ajusta la asignación a medida que cambian las condiciones, registrando cada ajuste con los datos que lo desencadenaron.

Mitigación de riesgos

Preguntas que suelen plantear los inversores cautelosos

Respondido directamente, con las limitaciones indicadas junto con las salvaguardas.

¿Cómo se protegen los datos de los clientes?

Los datos de cartera y cuenta se cifran en tránsito y en reposo. El acceso a los datos a nivel de cliente está restringido según la función y todos los eventos de acceso se registran con fines de auditoría.

¿Qué sucede si el modelo predictivo se aleja del comportamiento real del mercado?

La deriva del modelo es una limitación conocida de cualquier sistema predictivo. Los resultados de los pronósticos se monitorean en comparación con los resultados obtenidos de forma continua, y las desviaciones más allá de las tolerancias definidas desencadenan una revisión del modelo en lugar de ser absorbidas silenciosamente en decisiones futuras.

¿Está el algoritmo sujeto a supervisión humana?

Sí. Las decisiones de asignación por encima de un umbral de exposición definido requieren revisión antes de su ejecución. Los ajustes de rutina, dentro del umbral, se realizan automáticamente pero permanecen completamente registrados para una auditoría posterior.

¿Se pueden cambiar los parámetros de riesgo después de la incorporación?

Las bandas de riesgo, los límites de retiro y las restricciones de liquidez pueden revisarse en cualquier momento. Los cambios entran en vigor a partir del siguiente ciclo de evaluación programado, no de forma retroactiva.

¿Cómo se gestiona la liquidez durante períodos de tensión en el mercado?

La lógica de reasignación opera dentro de restricciones de liquidez preestablecidas, lo que limita la exposición a activos de los que no se puede salir dentro del horizonte temporal definido por el cliente. Esto reduce, pero no elimina, el riesgo de liquidez durante períodos de extrema tensión en el mercado.