Models that reason, inside the mandate.
The intelligence layer turns market structure, filings and language into proposals, and shows its work. Models propose; the kernel, the mandate compiled, decides what is permitted; every signal carries its reasoning to the ledger.
Intelligence the mandate governs.
Models propose inside limits you authored. The mandate compiles to policy the kernel enforces before any order exists, so a model can never widen its own envelope.
- Generate and rank signalsAUTO
- Retrain a model in shadowAUTO
- Flag low-confidence language outputNOTIFY
- Promote a challenger modelAPPROVAL-GATED
- Change the mandate a model runs underAPPROVAL-GATED
Mandate Studio · Illustrative sample data
Three model families, designed to work as one.
No single method captures every market. Gradient-boosted and deep models for cross-sectional structure, language models for filings and transcripts, statistical time-series models for regime and volatility: their outputs are combined and weighted by the conditions each handles best, not averaged blindly.
- Modèles d’apprentissage automatiqueArbres à gradient boosté et réseaux profonds et récurrents conçus pour apprendre la structure transversale et séquentielle, avec ingénierie des caractéristiques et réentraînement continus.
- Modèles de langagePipelines de LLM conçus pour lire les dépôts, les transcriptions de résultats, les commentaires de direction et l’actualité — transformant le langage non structuré en données structurées et raisonnées.
- Modèles de séries temporellesModèles à espace d’états, à changement de régime et de volatilité (familles ARIMA/GARCH, filtrage de Kalman) conçus pour suivre les changements structurels et prévoir le risque.
- Synthèse d’ensembleMoyenne bayésienne de modèles et vote pondéré conçus pour combiner les prédictions, faire ressortir le désaccord entre modèles et calibrer un signal unique assorti d’un score de confiance.
Chaque signal est l’aboutissement d’un pipeline documenté.
A signal is not a single model call. It passes through ingestion, feature construction and ensemble synthesis, then reaches the kernel as a proposal. Only what the mandate permits can become an order, and the reasoning travels with it.
- Ingestion et caractéristiquesLes données de marché, fondamentales, alternatives et macroéconomiques alimentent une couche de caractéristiques de signaux techniques, de microstructure, de sentiment et inter-actifs.
- Ensemble et synthèseLes prédictions des modèles sont agrégées, les signaux contradictoires réconciliés selon les horizons temporels, et la force du signal calibrée par rapport à un score risque-rendement.
- The kernel decidesEach candidate is checked against position, concentration, liquidity and policy limits before it can become an order. Allowed or blocked, the outcome is written to the decision ledger with the clause that decided it.
- Livraison classéeLes signaux retenus sont conçus pour arriver classés, assortis de métriques de confiance et de risque, d’un dimensionnement suggéré et de paramètres d’entrée et de sortie.
Chaque décision est conçue pour être expliquée.
Institutional trust requires knowing why. Each signal is designed to carry attribution, plain-language reasoning, a confidence profile and, for any language-model output, a validation record, all written to the ledger and answerable in the Observatory. Opacity is treated as a defect.
- Attribution des caractéristiquesAttribution de type SHAP et LIME conçue pour montrer quelles entrées ont déterminé chaque prédiction, en distinguant les contributions positives et négatives.
- Raisonnement en langage clairChaque signal est conçu pour porter une justification en langage naturel : facteurs clés, éléments à l’appui et à l’encontre, et le contexte historique qui le sous-tend.
- Confiance et incertitudeLes scores d’accord entre modèles et la quantification de l’incertitude sont conçus pour accompagner le signal, et non une simple estimation ponctuelle.
- Pare-feu de raisonnement des LLMLa sortie d’un modèle de langage est conçue pour être confrontée aux données structurées afin de détecter hallucinations et incohérences logiques, les sources étant tracées et une revue humaine déclenchée en cas de faible confiance.
Un modèle est gouverné avant, pendant et après la production.
Models are designed to clear validation, run in shadow against the incumbent, and stay under monitoring once promoted. The explanation that helps a portfolio manager is the same record an examiner reads.
- Validés avant le déploiementValidation croisée par anticipation et purgée, contrôles de fuite, vérifications de surapprentissage et revue indépendante sont conçus dans le développement des modèles avant que quoi que ce soit n’atteigne la production.
- Champion and challengerA new model runs in shadow beside the incumbent. Promotion waits for a named approver to sign it, and the decision is recorded.
- Monitored for driftModel behaviour, assumption drift and degradation are designed to be tracked continuously, with recalibration and rollback triggers.
- Prompt & version controlLLM prompts, model versions, and data are versioned so results are reconstructable.
- A record an examiner can readA model inventory, documented limitations and every explanation are kept on the decision ledger, written once and never edited.
See the intelligence layer in the full system.
It does not run alone: it is one part of an operating system Adaptic runs live on its own capital. Evaluate it on your own mandate in a six-week shadow pilot, with no capital at risk.
Product imagery shows illustrative sample data, not a track record. Adaptic holds no licence in any jurisdiction yet; its proprietary fund trades only its own capital, and it will not manage outside capital until it is authorized. Capability descriptions state what the system is designed to do.