Deep Learning Systems
Wir ermöglichen neuronale Synergien.
Federated Learning
Unsere Deep-Learning Algorithmen ermöglichen das Vernetzen von Portfolien über verschiedene Banken hinweg - bei gleichzeitigem Schutz Ihrer Daten. Dies erlaubt eine präzise Risikomodellierung auch dort, wo Daten knapp sind. Die spezielle Architektur unserer Algorithmen ist auf die charakteristische Verteilung der Risikoparameter zugeschnitten. Mittels probabilistischer Modelle geben wir zusätzlich Einblicke in bisher unbekannte Risikoeigenschaften einzelner Positionen und Portfolien. Dies ermöglicht nicht nur präzisere Prognosen, sondern hilft Ihnen Risikopotenziale frühzeitig zu erkennen.
Unsere Features
Neural Networks
Unsere Algorithmen basieren auf neuronalen Netzwerken. Die Netzwerkarchitektur ist dabei speziell auf das zugrundeliegende Problem zugeschnitten. Die Netze können verschiedene Inputs verwerten, von makroökonomischen Faktoren über Stimmungsindikatoren bis hin zu Zahlungsströmen.
Cloud Computing
Unsere Modelle werden in der Cloud trainiert. Dabei können Sie unsere Cloud-Infrastruktur per Plug-N-Play an Ihre bestehende Cloud andocken und in Ihrer eigenen Virtual Private Cloud betreiben. Oder Sie nutzen die Cloud von paraloq.
Powerful Tools
Über unsere APIs können Sie mit unseren Modellen interagieren. Zur Integration der Modelle bieten wir sowohl eine grafische Oberfläche (Web-App) als auch Packages für R, Python und Excel. Diese erlauben tiefgehende Analysen Ihres Protfolios und stellen Ihnen umfassende Validierungstools zur Verfügung.
Flexible Output
Unsere Modelle liefern Schätzungen in der Granularität, die Sie benötigen. Die Risikoparameter können dabei auf Segment-, Gruppen- oder Kundenebene kalkuliert werden. Unsere Netze sind zudem in der Lage, neben dem Erwartungswert auch fortgeschrittene Verteilungsparameter wie den Expected Shortfall, den Value at Risk und den Median zu prognostizieren.
Erfahren sie mehr über paraloq
Unsere Partner