Аналитический дэшборд для инвесторов

Владимир Узкий
Продакт-дизайнер
Создал дизайн, концепцию работы дэшборда и презентацию
TG: @vladimiruzkiy
01
Александр Коваленко
Фуллстак-разрабочтик
Реализовал скоринг и большую часть продукта
TG: @jpcdevel
02
Сергей
Денисенко
Бэкэнд-программист
Собрал наш проект и сделал систему формирования отчетов
TG: @mr_ischenko
03
Кабинет Обществознания
Команда из Нижнего Новгорода
До этого мы уже побеждали в региональном хакатоне от Нижегородской компании "ТеплоЭнерго" и участвовали в Цифровом Прорыве
КО

https://accenture-hack.netlify.app
Аналитический дэшборд для инвесторов
Ссылка на демо

Основные задачи и их решение
Нет сервиса для контроля
Отсутствие у обычных людей наглядного сервиса для отслеживания и контроля своих инструментов на бирже
Прозрачность рисков
Человек, который не погружен в сферу инвестиций может и не подозревать об уровне рисков, покупая актив
Нет глубокого анализа портфеля
Для того чтобы проанлизировать свой портфель, нужно нанимать аналитика или брать в руки калькулятор
Как решили?
— Клиент создаёт несколько портфелей с разным профилем
— Рассчёт риска для каждого финансового инструмента
— Более 27 метрик доступно пользователю
— Рассчёт риска и доходности для каждого портфеля акций
Риск-балл
Ряд параметров, которые нужно проанализировать не так удобны и наглядны обычному пользователю, как скажем единая шкала риска и доходности
У нас появилась идея выводить уровень риска для каждой акции как скоринг балл, который учитывает в себе сразу 5 простых и 3 сложных параметра
КО

VAR анализ
P/E
Валатильность
Корреляция
Debt Net
SR
Risk points
Доходность
Debt Load
CAGR
CAPM
T/G
Скоринг

CAPM
VAR анализ
Рост за 1 год
P/E
Рост за 5 лет
Долговая нагрузка
CAPM
ACCENTURE PLC
34/100 баллов
Рекомендации
Среднерисковый портфель
34/100—риск балл всего профиля
+20% общая доходность
120$ объём портфеля
Акции
Индексы
Облигации
12 балл
2 баллов
5 баллов
20 баллов
15 баллов
0 баллов
Математическая модель

IT решение
Технологии
Фронт-энд: React-js, Django
Бэк-энд: Python, Docker
База данных: PostgreSQL
API: GraphQL
КО

Разработка и внедрение продукта
Исследование
01
Обсуждение ТЗ
CustDev сотрудников и анализ
Создание дизайна
Тестирование прототипа
Разработка
02
Создание программного прототипа
Тестирование прототипа на реальных пользователях
Внесение правок
Внедрение
03
Интеграция продукта и подключение
Баг-фиксинг
Поддержка и обновление
1.169 млн рублей
Для исследования, разработки и внедрения нашего продукта нам понадобиться 1.169 млн рублей
Для внедрения нам также понадобиться нанять 4-го члена команды
6-7 месяцев разработки
На создание продукта такого размера нам понадобиться около 6-7 месяцев и около полугода послепроектной поддержки
КО

КО
Экономический эффект только положительный
Пользуясь нашим продуктом, клиенты будут лучше анализировать свои вложения, нагляднее видеть свои риски и самостаятельно анализировать свой портфель ценных бумаг
В 2-3 раза
Снизятся расходы на консультацию и обучение клиентов инвестициям
Грамотное анкетирование
А в будущем и обучение клиентов брокера прямо на нашей платформе

В итоге клиенты будут лучше анализировать свои вложения и нагляднее видеть свои риски
В будущем мы планируем улучшить рекомендательную систему с помощью нейросети, добавить в скоринг больше параметров, добавить в наш дэшборд актуальные котировки и динамически подгружать о них данные
Итоги