Recherche et développement

Le pôle R&D

Incubé à l’Espace Drahi de l’École Polytechnique, SILEX Technologies constitue le pôle de Recherche et Développement du groupe. Il développe des algorithmes innovants pour la gestion d’actifs et les déploie à travers un ensemble d’outils constituant la plateforme SPARK

Pôle de recherche scientifique
Docteurs, Ingénieurs Quantitatifs, Data Scientists
Dirigé par Frank Génot (INRIA, MIT) et Fabrice Rey (X)
107 data traitées quotidiennement
Machine
Learning
R-Shiny : la plateforme
interactive du Web pour
l’analyse des données
Optimisation
sous contraintes
Clustering /
Réplication stable /
Min Variance /
VaR
Pôle de recherche scientifique
Docteurs, Ingénieurs Quantitatifs, Data Scientists
Dirigé par Frank Génot (INRIA, MIT) et Fabrice Rey (X)
107 data traitées quotidiennement
Machine
Learning
R-Shiny : la plateforme
interactive du Web pour
l’analyse des données
Optimisation
sous contraintes
Clustering /
Réplication stable /
Min Variance /
VaR

Dans l’absolu, la plupart des concepts scientifiques fondamentaux sont simples et peuvent être formulés dans un langage accessible

SPARK

Notre technologie

La technologie SPARK s’appuie sur une base de données propriétaire. La data et les algorithmes sont exploités par nos experts qui définissent un mandat sur mesure optimisé. Celui-ci intègre les convictions des experts SILEX et de nos partenaires tout en diminuant les risques

Le cœur du SILEX : la base de données

Récupération d’une grande quantité de données
(plusieurs millions par jour)
Une base de données solide et épurée, monitorée de façon quotidienne
Récupération d’une grande quantité de données
(plusieurs millions par jour)
Une base de données solide et épurée, monitorée de façon quotidienne
La Golden Copy : vérification des données
(retraitement et correction des erreurs)
La Golden Copy : vérification des données
(retraitement et correction des erreurs)

Recherche « Quantamentale »
mix entre analyse fondamentale & quantitative

recommandation des analystes
solidité financière
qualité des revenus
rendement en dividendes

Algorithmes et optimisation de portefeuille

L'objectif premier de notre plateforme est de proposer des portefeuilles qui optimisent un compromis entre rendement attendu et prise de risque les plus stables possibles dans le temps