Visualisation des données Evenjobb représentant une analyse d'investissement IA backtestée
Intelligence de portefeuille basée sur l'IA et backtestée

Signaux d'investissement systématiques fondés sur des données historiques validées

Evenjobb applique des modèles prédictifs formés sur des décennies de comportement du marché pour produire des recommandations passives et ajustées au risque, éliminant ainsi le besoin de surveiller quotidiennement les graphiques ou de prendre des décisions de trading émotionnelles.

Nos modèles traitent des ensembles de données de prix, de volume et macroéconomiques sur plusieurs horizons temporels, puis testent chaque stratégie résultante par rapport aux cycles historiques du marché avant qu'elle n'atteigne un tableau de bord client.

Le problème de l'analyse manuelle

La plupart des investisseurs secondaires réagissent, sans décider

Vérifier les marchés après le travail, lire les sentiments sur les forums et ajuster les positions à l’instinct n’est pas une stratégie – c’est un travail à temps partiel qui s’ajoute à un travail existant. Le coût n’est pas seulement dû au temps ; c’est la tendance à acheter sur enthousiasme et à vendre sur peur, précisément lorsque des données disciplinées suggèrent le contraire.

  • Des heures passées chaque semaine à examiner des graphiques, des actualités et des commentaires sans cadre cohérent.
  • Des décisions faussées par les gros titres récents plutôt que par des tendances statistiques à long terme.
  • Aucun moyen fiable de tester « ce qui se serait passé » avant d’engager du capital.
  • Des ajustements de portefeuille effectués trop tard, après qu'un mouvement ait déjà eu lieu.

Approche manuelle et réactive

Décisions motivées par l'humeur, les cycles d'actualité et le temps d'écran limité ; difficile à répéter ou à auditer.

Approche systématique et backtestée

Règles dérivées de données de performance historiques, appliquées de manière cohérente indépendamment du bruit du marché et révisées selon un calendrier fixe plutôt que de manière impulsive.

Comment fonctionne le moteur

Un processus en quatre étapes, pas une boîte noire

Chaque étape est documentée et testée par rapport aux données historiques avant qu'une recommandation n'atteigne un compte client.

01

Ingestion de données

Les prix du marché, les volumes de transactions, les indices de volatilité et les publications macroéconomiques pertinentes sont collectés et nettoyés en permanence.

02

Modélisation prédictive

Les modèles statistiques et d'apprentissage automatique identifient les modèles récurrents au cours des cycles historiques, pondérant les données récentes sans écarter le contexte à long terme.

03

Ajustement du risque

Chaque stratégie candidate est évaluée par rapport aux limites de retrait, de volatilité et de corrélation avant d'être considérée comme éligible au déploiement.

04

Résultat exploitable

Les stratégies approuvées sont traduites en positions de portefeuille claires et en instructions de rééquilibrage, livrées selon un calendrier fixe et prévisible.

Ce que cela signifie pour un investisseur passif

Conçu pour la surveillance et non pour l'implication quotidienne

Précision historique des backtests

Chaque stratégie est exécutée sur la base d'ensembles de données historiques pluriannuels, y compris les ralentissements, avant d'être mise à la disposition des clients, de sorte que les allégations de performance sont fondées sur les conditions antérieures du marché plutôt que sur les seules projections.

Adaptation du marché en temps réel

Les modèles sont réévalués à mesure que de nouvelles données arrivent, ce qui permet aux pondérations de position de s'ajuster progressivement plutôt que de réagir brusquement aux événements d'une seule journée.

Optimisation automatisée du portefeuille

La répartition entre les actifs est rééquilibrée selon des règles prédéfinies, réduisant ainsi l'effort manuel généralement requis pour maintenir un portefeuille aligné sur son profil de risque cible.

Moteur d’atténuation des risques

La taille des positions et les limites d'exposition sont appliquées systématiquement, de sorte qu'aucun événement de marché ou de détention ne puisse affecter de manière disproportionnée l'ensemble du portefeuille.

Transparence de la méthodologie

Nous montrons le fonctionnement, pas seulement la conclusion

Plutôt que des témoignages, Evenjobb publie la logique de ses chiffres de performance afin que les clients et leurs conseillers puissent évaluer le processus sur ses mérites.

10+ ans

Logique de performances du backtest

Les stratégies sont testées sur plus d’une décennie de données de prix historiques, y compris des périodes de volatilité élevée, avant leur déploiement.

Marqué

Mesures de confiance du modèle

Chaque recommandation comporte un score de confiance dérivé de tests de signification statistique, et non une prévision ponctuelle présentée comme une certitude.

Connecté

Description de la piste d'audit

Chaque changement d'allocation est horodaté et enregistré, donnant aux clients un historique consultable de ce qui a été recommandé, quand et sur quelle base.

Les analystes de Evenjobb examinent à l'écran les résultats du modèle backtesté
Qui construit ça

Une plateforme construite par des personnes qui testent avant de publier

Evenjobb a été développé autour d'un principe simple : une stratégie doit gagner sa place dans un portefeuille grâce à des preuves et non à un récit. Chaque modèle qui atteint un compte client a d'abord été vérifié par rapport aux données historiques du marché et soumis à des limites de risque définies.

Nous travaillons avec des investisseurs et des propriétaires d'entreprise basés au Royaume-Uni qui souhaitent que leur capital fonctionne selon un calendrier défini, sans nécessiter une attention quotidienne ni une expertise du marché pour le maintenir.

En savoir plus sur Evenjobb
Questions courantes

Intégration, validité et ce que signifie réellement « passif »

Comment Evenjobb se connecte-t-il à ma maison de courtage ou à mes comptes existants ?

Evenjobb est conçu pour fonctionner aux côtés des plateformes de courtage britanniques standard. La configuration implique de lier l'accès en lecture à des fins de reporting et de définir les paramètres d'allocation que vous souhaitez que le système respecte ; aucune information d'identification commerciale n'est requise pour afficher les recommandations stratégiques.

Quelle est la validité des résultats backtestés étant donné que les marchés évoluent ?

Le backtesting ne peut garantir les performances futures, et nous ne le présentons pas comme tel. Ce qu’il fournit, c’est la preuve de la façon dont une stratégie donnée s’est comportée dans diverses conditions historiques, y compris les ralentissements, ce qui permet d’évaluer les caractéristiques du risque avant l’engagement des capitaux plutôt qu’après.

Que signifie concrètement le « management passif » ?

Passif, dans ce contexte, signifie que vous n'êtes pas obligé de surveiller les marchés quotidiennement ou d'exécuter des transactions vous-même. Les stratégies se rééquilibrent selon un calendrier fixe selon des règles préalablement convenues. Vous conservez une surveillance grâce à des rapports réguliers et pouvez ajuster les paramètres à tout moment.

Mes données et informations de compte sont-elles sécurisées ?

Les données des clients sont cryptées en transit et au repos, et l'accès aux informations liées au compte est limité aux systèmes requis pour le reporting et l'exécution de la stratégie. Nous ne partageons pas les données du portefeuille client avec des tiers à des fins de marketing.

Quel est un calendrier réaliste pour obtenir des résultats significatifs ?

Les stratégies étant systématiques plutôt que spéculatives, les résultats sont généralement évalués sur des trimestres plutôt que sur des jours ou des semaines. Des fluctuations à court terme sont attendues et font partie du profil de risque divulgué avant l’activation d’une stratégie.

Revoir la méthodologie avant d’engager du capital

Accédez au tableau de bord de la stratégie pour consulter les données historiques de backtest, les scores de confiance actuels du modèle et les paramètres de risque appliqués à chaque recommandation.