Does PumpkinVine make investment decisions automatically?

No. The platform produces ranked recommendations with supporting historical evidence. Any change to a portfolio's allocation requires explicit approval from the account holder or their adviser.

How is "backtested" performance calculated?

Backtesting applies the current model logic to historical market data to observe how a given allocation would have behaved during past periods, including known downturns. Results are historical simulations, not guarantees of future performance.

Is this suitable for a Self-Managed Super Fund?

Trustees commonly use the platform's scenario analysis to inform SMSF allocation decisions. The output is designed to support, not replace, the trustee's own compliance and investment obligations.

What happens to my data if I stop using the platform?

Data retention is limited to what is necessary to maintain an accurate model while the account is active. On closure, data is handled in line with the platform's privacy policy and applicable Australian retention requirements.

Can I see the reasoning behind a specific recommendation?

Yes. Each recommendation is presented with the historical scenarios and risk factors that informed it, so it can be reviewed on its own terms before any decision is made.

PumpkinVine prediktivt analytisk dashboard-grensesnitt brukt for porteføljerisikovurdering

AI-assistert beslutningsanalyse

Prediktiv modellering for kapitalbevaring, bygget på tilbaketestede markedsdata

PumpkinVine analyserer historiske og sanntids markedsdata for å identifisere risikojusterte allokeringsbaner, og hjelper pensjonister og private investorer med å redusere eksponeringen for volatilitet uten å forlate vekstmålene.

Se ytelsesdata Be om teknisk oversikt

Tilbaketestet Model Snapshot

15 år

Historisk vindu

0,4 s

Re-analyse syklus

Volatilitetsbånd

Hvorfor prediktiv modellering er viktig ved pensjonering

Pensjonsporteføljer har en annen risikoprofil enn investering i akkumuleringsfase

Så snart vanlige inntektsuttak begynner, blir risikoen for avkastningssekvens en primær bekymring: en nedgang tidlig i pensjonering kan permanent redusere den bærekraftige uttaksraten, selv om langsiktig gjennomsnittlig avkastning forblir akseptabel. PumpkinVine modellerer denne risikoen direkte, i stedet for å stole på statiske antakelser om gjennomsnittlig avkastning.

Plattformens rolle er å synliggjøre statistisk signifikante mønstre i historiske uttak og gjenopprettingsperioder, og presentere de resulterende risikojusterte scenariene for investoren eller rådgiveren å veie mot personlige forhold. Den endelige tildelingsbeslutningen forblir hos kontoinnehaveren.

Historisk backtesting dybde15 år
Frekvens for re-analyse av porteføljeDaglig
Volatilitetsscenarier modellertLav / Middels / Høy
Menneskelig sign-off på tildelingsendringerObligatorisk

Kjerneegenskaper

Hvordan plattformen reduserer eksponering for unødvendig risiko

Hver funksjon nedenfor adresserer et distinkt stadium av analysepipelinen, fra inntak av rådata til en anbefaling en investor kan gjennomgå før han handler.

Trinn 01 — Svelging

Sanntidsdataaggregering

Markedsprising, makroøkonomiske indikatorer og porteføljebeholdninger konsolideres i ett enkelt datasett, som oppdateres kontinuerlig i løpet av markedstiden i stedet for i en fast rapporteringssyklus.

OppdateringsintervallIntradag

Trinn 02 — Modellering

Risikojustert scenarioanalyse

Prediktive modeller kjører flere scenarier for nedtrekking og utvinning mot dagens porteføljesammensetning, og flagger konsentrasjoner som historisk korrelerte med volatilitet over gjennomsnittet.

Scenarier per syklusFlerveis

Trinn 03 — Anbefaling

Beslutningsstøttende utgang

Funnene presenteres som et rangert sett med allokeringsjusteringer med den underliggende begrunnelsen vist, slik at investoren eller rådgiveren kan evaluere avveiningene før de godkjenner enhver endring.

GodkjenningstrinnManuell

Metodikk

Anbefalinger er avledet fra tilbaketestet ytelse, ikke anslag alene

Drawdown Recovery — Illustrativ Backtest

Simulert allokeringsrespons på tvers av historiske nedgangsperioder (indeksert, ikke-representativt for noe direkte klientresultat)

Hver anbefaling som vises av PumpkinVine blir først testet mot historiske markedsforhold, inkludert perioder med betydelig sammentrekning, for å vurdere hvordan en gitt allokering ville ha prestert i praksis i stedet for i teorien.

Motoren søker ikke etter den høyeste teoretiske avkastningen. Den søker etter allokeringer som historisk reduserte dybden og varigheten av uttakene, samtidig som de bevarte et sammenlignbart langsiktig resultat – en avveining som er mest relevant for investorer som henter inntekter.

Åpenhetserklæring: Tilbaketestede resultater beskriver tidligere markedsadferd og modellens historiske respons på den. De er ikke en projeksjon av fremtidig ytelse, og ingen allokeringsstrategi eliminerer markedsrisiko helt.

Søknader

Fra en individuell pensjonskonto til en bredere aktivaallokeringsstrategi

Individuell pensjonistportefølje

En pensjonist som har en fast månedlig inntekt, får porteføljen sin løpende revurdert for sekvens-av-avkastningsrisiko. Justeringer foreslås når modellert nedsideeksponering overstiger investorens oppgitte toleransebånd, med begrunnelsen vist ved siden av hvert forslag.

DagligRisiko på nytt

Self-Managed Super Fund (SMF)

Forvaltere som administrerer en SMSF bruker plattformen til å stressteste fondets nåværende allokering mot historiske nedgangsscenarier, og identifiserer konsentrasjonsrisiko på tvers av aktivaklasser før den blir vesentlig for samsvarsrapportering.

Multi-aktivaStresstesting

Rådgiverstyrte klientbøker

Finansielle rådgivere bruker den samme backtesting-motoren på tvers av en bok med kundeporteføljer, ved å bruke standardiserte, evidensbaserte utdata for å støtte samtaler om risikotoleranse i stedet for å stole på generiske modellporteføljer.

PorteføljenivåRapportering

Institusjonell aktivaallokering

Større allokatorer bruker plattformens scenariomotor for å evaluere strategiske aktivaallokeringsskifter i stor skala, og kryssreferanser foreslåtte endringer mot tiår med historiske markedssykluser før de forplikter kapital.

TiårAv historiske data

Sikkerhet og tillit

Bygget for begrensningene til det australske økonomiske miljøet

Datakryptering under overføring og hvile

Portefølje- og kontodata er kryptert gjennom overføring og lagring, med tilgang begrenset til systemer som kreves for at analysepipelinen skal fungere.

Personvern i samsvar med australske standarder

Håndtering av personlige og økonomiske data følger de australske personvernprinsippene, med dataoppbevaring begrenset til det som kreves for å opprettholde en nøyaktig modell av kontoen.

Menneskelig tilsyn med hver anbefaling

Plattformen genererer beslutningsstøtte, ikke automatiserte handler. Enhver tildelingsendring krever eksplisitt godkjenning fra investoren eller deres rådgiver før den iverksettes.

Om tilnærmingen

Et analytisk lag som sitter ved siden av menneskelig dømmekraft, ikke i stedet for det

PumpkinVine ble bygget på premisset om at pensjonister og private investorer er bedre tjent med transparente, evidensbaserte analyser enn av ugjennomsiktig automatisert handel. Plattformens modeller er designet for å forklare deres resonnement, ikke bare deres konklusjon.

Hver utgang inkluderer det historiske grunnlaget for anbefalingen, slik at den kan gjennomgås, stilles spørsmål ved og enten aksepteres eller avvises av den ansvarlige for kapitalen.

PumpkinVine-analytiker gjennomgår tilbaketestede porteføljedata på en arbeidsstasjon

Ofte stilte spørsmål

Vanlige spørsmål om rollen til AI i beslutningsprosessen

Tar PumpkinVine investeringsbeslutninger automatisk?

Nei. Plattformen produserer rangerte anbefalinger med støttende historisk bevis. Enhver endring i en porteføljes allokering krever eksplisitt godkjenning fra kontoinnehaveren eller deres rådgiver.

Hvordan beregnes "backtestet" ytelse?

Backtesting bruker gjeldende modelllogikk på historiske markedsdata for å observere hvordan en gitt allokering ville ha oppført seg i tidligere perioder, inkludert kjente nedgangstider. Resultatene er historiske simuleringer, ikke garantier for fremtidig ytelse.

Er dette egnet for et selvstyrt superfond?

Tillitsvalgte bruker vanligvis plattformens scenarioanalyse for å informere SMSF-allokeringsbeslutninger. Utgangen er utformet for å støtte, ikke erstatte, forvalterens egne overholdelses- og investeringsforpliktelser.

Hva skjer med dataene mine hvis jeg slutter å bruke plattformen?

Oppbevaring av data er begrenset til det som er nødvendig for å opprettholde en nøyaktig modell mens kontoen er aktiv. Ved stenging håndteres data i tråd med plattformens personvernpolicy og gjeldende australske oppbevaringskrav.

Kan jeg se begrunnelsen bak en spesifikk anbefaling?

Ja. Hver anbefaling presenteres med de historiske scenariene og risikofaktorene som ga den, slik at den kan gjennomgås på sine egne premisser før noen beslutning tas.