Qydiwui - analiza rynków inaczej
Przez prawie dekadę budujemy narzędzie, które czyta dane rynkowe szybciej niż człowiek. Nie sprzedajemy gotowych odpowiedzi - dostarczamy kontekst, który pozwala podejmować lepsze decyzje.
Projekt z potrzeby, nie z mody
Qydiwui powstało, bo brakowało narzędzia, które łączy surowe dane rynkowe z interpretacją dostępną dla niespecjalisty. Pierwsze wersje systemu testowaliśmy na 6 klasach aktywów jednocześnie - wyniki były dalekie od doskonałości, ale kierunek był właściwy.
Dziś silnik analizuje sygnały z ponad 40 rynków w czasie zbliżonym do rzeczywistego. Nie daje gwarancji zysku - zamiast tego pokazuje, gdzie ryzyko jest niedoszacowane lub gdzie konsensus rynkowy mija się z danymi.
Ludzie za systemem
Każdy z nas ma inne tło - od analizy ilościowej po inżynierię danych. To właśnie różnorodność perspektyw sprawia, że model rzadziej się myli.
Weronika Halasz
Główna Analityk
Przez 7 lat zajmowała się modelowaniem ryzyka w sektorze bankowym. W Qydiwui odpowiada za walidację sygnałów AI i interpretację anomalii rynkowych.
Bartosz Szymkiewicz
Inżynier Modeli ML
Specjalizuje się w szeregach czasowych i danych o wysokiej częstotliwości. Zbudował rdzeń systemu detekcji wzorców działający na danych z 15-sekundową granulacją.
Olena Kravchuk
Specjalistka ds. Klientów
Pracuje bezpośrednio z użytkownikami z 18 krajów. Dba o to, żeby raport generowany przez AI był zrozumiały dla kogoś bez dyplomu z ekonometrii.
Co nas napędza
Nie mamy tablicy z wartościami wypisanymi złotymi literami. Mamy za to kilka przekonań, które faktycznie wpływają na to, jak budujemy produkt i jak rozmawiamy z klientami.
Dane bez ozdób
Każdy sygnał w systemie ma źródło i metodę obliczenia, które można sprawdzić. Nie ukrywamy niepewności za ładnymi wykresami - oznaczamy ją wprost.
Indywidualny kontekst
Ten sam rynek wygląda inaczej z perspektywy zarządzającego portfelem i osoby prywatnej. Nasz system uwzględnia horyzont czasowy i profil użytkownika, nie tylko ticker.
Wolniejszy, lepszy model
Aktualizujemy model 4 razy do roku, nie codziennie. Każda zmiana przechodzi przez 3-miesięczne testy na danych historycznych zanim trafi do produkcji.
Dostępność bez uproszczeń
Chcemy, żeby osoba bez doświadczenia w analizie ilościowej mogła korzystać z narzędzia sensownie. Upraszczamy interfejs, nie metodologię.