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.

Tableau de bord d'analyse des données Fuertin Inversama visualisant les mesures de risque du portefeuille en temps réel

Gestion adaptative des risques

Intelligence prédictive des données pour les portefeuilles d’actifs numériques qui s’ajuste en fonction de votre tolérance au risque

Fuertin Inversama analyse la structure du marché, les signaux de volatilité et vos propres seuils de risque déclarés en temps réel, puis les réaffecte en conséquence. Aucun modèle fixe n’est appliqué indéfiniment ; le système est conçu pour se recalibrer à mesure que les conditions changent.

Initialiser l'évaluation des risques Voir la méthodologie

Paramètres analytiques actuels

Bande de risqueAdaptatif – Modéré

Rééquilibrage de la cadenceContinu

Entrées de donnéesProfondeur du marché, indice de volatilité, flux en chaîne

Contexte du marché

Pourquoi les modèles d'allocation statique ont du mal à gérer la volatilité des actifs numériques

Les modèles de portefeuille traditionnels sont généralement construits autour d'intervalles de rééquilibrage fixes, tels que des revues mensuelles ou trimestrielles, et d'un profil de risque unique attribué au départ. Les marchés des actifs numériques évoluent selon un cycle beaucoup plus court. Des dislocations de prix, des changements de liquidité et des ruptures de corrélation peuvent survenir en quelques heures, bien avant qu’un examen programmé ne les enregistre.

Un modèle statique n’échoue pas parce que sa logique est erronée ; il échoue parce que les entrées sur lesquelles il a été calibré ont déjà changé au moment où une décision est prise. Fuertin Inversama résout ce problème en traitant la tolérance au risque et les conditions du marché comme des variables réévaluées en permanence, plutôt que des paramètres fixés une fois lors de l'intégration.

L'analyste de Fuertin Inversama examine les données de risque du portefeuille à l'écran

Comment est structuré le processus d’ajustement

Plutôt qu’une décision unique en boîte noire, le système suit une séquence définie chaque fois que de nouvelles données de marché arrivent. Cela maintient le processus auditable et permet aux clients de comprendre pourquoi une réaffectation a eu lieu.

Les données de marché et de portefeuille sont ingérées et normalisées par rapport aux références historiques.
L'écart par rapport à la fourchette de risque déclarée par le client est quantifié sur une base continue.
Si l'écart dépasse un seuil défini, une proposition de réaffectation est générée et enregistrée.
L'exécution s'effectue dans les limites de liquidité et d'exposition préalablement convenues.

Technologie de base

La méthodologie derrière le moteur d’adaptation aux risques

Trois composantes fonctionnent ensemble : l’une observe le marché, l’autre le client et l’autre réconcilie les deux dans une décision d’allocation.

MODULE 01 — ANALYSE

Analyse de marché en temps réel

Ingestion continue de la profondeur du carnet de commandes, des indices de volatilité et des données de corrélation entre actifs, actualisées sur une base continue plutôt qu'à intervalles de reporting fixes.

MODULE 02 — CALIBRAGE

Moteur d’adaptation aux risques

Suit dans quelle mesure l'exposition actuelle du portefeuille correspond à la tolérance au risque déclarée du client et signale les dérives avant qu'elles ne deviennent significatives, en utilisant les données comportementales collectées lors de l'intégration et ajustées au fil du temps.

MODULE 03 — PRÉVISION

Spécification de modélisation prédictive

Les modèles de prévision à court terme sont utilisés pour estimer la distribution de probabilité de l’évolution des prix à court terme, éclairant ainsi les décisions d’allocation sans prétendre avoir une certitude quant aux résultats.

Transparence opérationnelle

Stratégie traditionnelle versus allocation gérée par l'IA

Une comparaison structurelle de la manière dont les décisions sont prises, et non une projection des rendements futurs.

Caractéristique de fonctionnement	Stratégie traditionnelle	Allocation gérée par l'IA
Fréquence de rééquilibrage	Intervalles fixes (par exemple mensuels)	Continu, piloté par les événements
Base d'évaluation des risques	Profil statique défini lors de l'intégration	Dynamique, réévalué sur de nouvelles données
Réponse aux pics de volatilité	Retardé jusqu'au prochain cycle de révision	Évalué dans le cadre du cycle de suivi
Intervention humaine requise	A chaque décision de rééquilibrage	Aux exceptions de seuil seulement
Granularité des rapports	États récapitulatifs périodiques	Journal d'audit continu

Note méthodologique : les figures ci-dessus décrivent les différences structurelles dans la conception des processus et la cadence de reporting. Ils ne représentent pas les performances historiques ou projetées des investissements, et l’efficacité structurelle passée n’indique pas les rendements futurs.

Flux de travail

Comment le système apprend votre seuil de risque

Trois étapes, répétées en continu une fois la configuration initiale terminée.

Intégration et capture de données

Vous remplissez un questionnaire structuré sur les risques et connectez les données de portefeuille pertinentes. Cela constitue la référence initiale et non un paramètre permanent.

Paramétrage

Les limites d'exposition, les plages de tirage acceptables et les contraintes de liquidité sont définies explicitement et restent visibles et modifiables à tout moment.

Optimisation autonome

Dans le cadre des paramètres convenus, le système ajuste l'allocation à mesure que les conditions changent, en enregistrant chaque ajustement avec les données qui l'ont déclenché.

Atténuation des risques

Questions que soulèvent généralement les investisseurs prudents

Réponse directe, avec les limitations indiquées à côté des garanties.

Comment les données des clients sont-elles sécurisées ?

Les données de portefeuille et de compte sont cryptées en transit et au repos. L'accès aux données au niveau client est restreint en fonction du rôle et tous les événements d'accès sont enregistrés à des fins d'audit.

Que se passe-t-il si le modèle prédictif s’éloigne du comportement réel du marché ?

La dérive du modèle est une limitation connue de tout système prédictif. Les résultats des prévisions sont surveillés par rapport aux résultats réalisés sur une base continue, et les écarts au-delà des tolérances définies déclenchent une révision du modèle plutôt que d'être silencieusement absorbés dans les décisions futures.

L’algorithme est-il soumis à une surveillance humaine ?

Oui. Les décisions d'allocation au-dessus d'un seuil d'exposition défini doivent être examinées avant leur exécution. Les ajustements de routine, dans les limites du seuil, s'effectuent automatiquement mais restent entièrement enregistrés pour un audit ultérieur.

Les paramètres de risque peuvent-ils être modifiés après l'intégration ?

Les fourchettes de risque, les limites de tirage et les contraintes de liquidité peuvent être révisées à tout moment. Les modifications prennent effet à compter du prochain cycle d’évaluation prévu, et non rétroactivement.

Comment la liquidité est-elle gérée en période de tensions sur les marchés ?

La logique de réallocation fonctionne dans le cadre de contraintes de liquidité prédéfinies, ce qui limite l'exposition aux actifs qui ne peuvent pas être sortis dans l'horizon temporel défini par le client. Cela réduit, mais n’élimine pas, le risque de liquidité pendant les périodes de tensions extrêmes sur les marchés.