How transparent is the underlying model logic?

Each recommendation includes the input factors that contributed to it and a confidence score. Full model internals are available under a technical briefing with the data science team.

What does the onboarding timeline look like?

Initial data integration and risk-threshold configuration typically take between two and four weeks, depending on the number of asset classes and existing data infrastructure.

Can risk thresholds be customized per portfolio?

Yes. Exposure limits, volatility tolerances, and intervention triggers are configured individually for each portfolio and can be adjusted as mandates change.

Batu Modaltama — platforma AI do instytucjonalnego zarządzania ryzykiem kryptowalut

Zarządzanie ryzykiem oparte na sztucznej inteligencji dla instytucjonalnych portfeli kryptowalut

Batu Modaltama stale analizuje dane rynkowe i stosuje modele predykcyjne w celu ograniczenia ekspozycji na spadki. Ochrona kapitału działa przez całą dobę, niezależnie od godzin rynkowych i dostępności analityków.

Monitorowanie modelu 24 godziny na dobę, 7 dni w tygodniu Dane przetwarzane w Niemczech Egzekucja nadzorowana przez człowieka

Analiza ręczna nie nadąża za rynkami całodobowymi

Rynki kryptowalut zmieniają się w sposób ciągły, a ręczne przeglądy ryzyka zwykle ograniczają się do godzin pracy. Zdarzenia związane ze zmiennością, które mają miejsce w nocy lub w weekendy, często pozostają bez reakcji, dopóki pozycja nie przesunie się w stosunku do portfela.

Batu Modaltama zastępuje zaplanowane ręczne kontrole ciągłym monitorowaniem modelu. System ponownie ocenia ekspozycję portfela w ustalonych odstępach czasu i sygnalizuje odchylenia od zdefiniowanych progów ryzyka bez czekania na cykl przeglądu przez człowieka.

24 godziny na dobę, 7 dni w tygodniu

Monitoring modelu, także w weekendy i święta

<60 lat

Typowy odstęp między odświeżeniem danych a ponowną oceną ryzyka

Każda decyzja skorygowana o ryzyko wspierana jest przez trzy komponenty

Każdy komponent działa niezależnie i zapewnia łączną ocenę ryzyka. Żadne dane wyjściowe pojedynczego modelu nie wyzwalają działania bez przejścia przez cały potok.

Analiza w czasie rzeczywistym

Dane rynkowe, wolumenowe i zmienności są pobierane na bieżąco. System porównuje bieżące warunki z wzorcami historycznymi, aby wykryć zmiany, zanim wpłyną one na wartość portfela.

Silnik ograniczania ryzyka

Limity ekspozycji ustalane są dla poszczególnych aktywów i portfeli. Gdy pozycja zbliża się do określonego progu, silnik zaleca redukcję lub zabezpieczenie przed przekroczeniem limitu.

Automatyczne udoskonalanie strategii

Parametry modelu są sprawdzane pod kątem zrealizowanej wydajności według ustalonego harmonogramu. Korekty są dokumentowane i stosowane dopiero po weryfikacji z danymi historycznymi.

Od surowych danych do nadzorowanej decyzji

Każde zalecenie przechodzi przez cztery etapy. Nadzór ludzki jest wbudowany w rurociąg, a nie dodawany po namyśle.

Pozyskiwanie danych

Dane rynkowe, dane z księgi zamówień i wskaźniki makro są gromadzone i normalizowane w jedną strukturę danych, którą można wykorzystać w modelach.

Modelowanie sztucznej inteligencji

Modele predykcyjne oceniają wyniki ważone prawdopodobieństwem w wielu horyzontach czasowych i generują uszeregowany zestaw działań portfelowych.

Warstwa nadzoru ludzkiego

Specjalista ds. ryzyka przegląda rekomendacje, które przekraczają ustalony próg istotności, zanim zostaną dopuszczone do realizacji.

Dane wyjściowe wykonania

Zatwierdzone działania są rejestrowane z uzasadnieniem, znacznikiem czasu i wersją modelu, tworząc podlegający kontroli zapis decyzji.

Stworzony z myślą o wymaganiach dotyczących suwerenności danych w regionie DACH

Klienci instytucjonalni w Niemczech wymagają jasnych odpowiedzi na temat miejsca przechowywania danych i sposobu ich ochrony. Są one omówione bezpośrednio, a nie w formie przypisu.

Prywatność danych

Dane dotyczące portfela klientów przetwarzane są w ramach infrastruktury zlokalizowanej na terenie Niemiec. Dostęp jest ograniczony do wyznaczonego personelu na podstawie udokumentowanej zgody.

Dopasowanie regulacyjne

Struktura praktyk przetwarzania danych jest dostosowana do wymogów RODO mających zastosowanie do podmiotów przetwarzających dane finansowe działających w UE.

Infrastruktura bezpieczeństwa

Szyfrowana transmisja danych, segmentowana kontrola dostępu i ciągłe rejestrowanie systemu zapewniają identyfikowalny poziom bezpieczeństwa.

Często zadawane pytania przez zespoły ds. ryzyka i zgodności

Jak przejrzysta jest logika leżąca u podstaw modelu?

Każde zalecenie obejmuje czynniki wejściowe, które się do niego przyczyniły, oraz wskaźnik pewności. Pełne elementy wewnętrzne modelu są dostępne w ramach odprawy technicznej z zespołem zajmującym się analizą danych.

Jak wygląda harmonogram onboardingu?

Początkowa integracja danych i konfiguracja progów ryzyka trwają zwykle od dwóch do czterech tygodni, w zależności od liczby klas aktywów i istniejącej infrastruktury danych.

Czy progi ryzyka można dostosować do każdego portfela?

Tak. Limity ekspozycji, tolerancje zmienności i wyzwalacze interwencji są konfigurowane indywidualnie dla każdego portfela i można je dostosowywać w miarę zmiany mandatów.