1 387 000 SEK
Omsättning
▼ 13,7%
-260 000 SEK
Resultat efter finansnetto
▼ 52,1%
−84,5%
Soliditet
Mycket Låg
−18,8%
Vinstmarginal
Förlust
0 SEK
ÅRETS UTDELNING
Ingen utdelning

Substansvärdering

Tillgångar:370 659 SEK
Skulder:-300 043 SEK
Substansvärde:-313 343 SEK

ℹ️ Om substansvärdering

Vad det är: Substansvärdering baseras på företagets tillgångar minus skulder enligt balansräkningen. Det representerar det värde som skulle återstå om företaget likviderades.

Begränsningar: Denna metod tar inte hänsyn till framtida kassaflöden, immateriella tillgångar (som varumärken eller kundrelationer), eller företagets lönsamhet. Den kan underskatta värdet för lönsamma företag och överskatta värdet för företag med gamla eller svårvärderade tillgångar.

Viktiga händelser

Händelser under verksamhetsåret

Under räkenskapsåret har bolaget fortsatt sin satsning på egenutvecklade AI-baserade investeringsmodeller. Bolaget har haft fortsatt tillgång till den europeiska superdatorn VEGA, vars betydande beräkningskapacitet, bestående av 2 040 AMD EPYC-processorer och 240 NVIDIA A100-grafikprocessorer, har möjliggjort omfattande träning, simulering och vidareutveckling av bolagets modeller. Bolaget har gjort betydande framsteg i utvecklingen av DiversiGuard, en proprietär algoritm baserad på Reinforcement Learning. DiversiGuard har vidareutvecklats för dynamisk och taktisk allokering mellan flera kvantitativa faktormodeller. Tekniken är utformad för att anpassa portföljens exponering efter rådande marknadsförhållanden samt förbättra hanteringen av volatilitet och extremrisk, så kallad tail-risk. Modellen har under året tränats för att identifiera och allokera kapital mellan flera kompletterande faktormodeller och har uppvisat lovande resultat i bolagets interna simuleringar och utvärderingar. Bolaget har även fortsatt utvecklingen av PrismAlpha, vilket är samlingsnamnet för bolagets djupa faktormodeller (Deep Factor models). Modellerna använder avancerad mönsterigenkänning för att identifiera investeringssignaler baserade på historiska prisrörelser, fundamental bolagsdata och alternativ data. PrismAlpha-modellerna är utformade för att kombinera flera signalkomponenter och generera prognoser för bolags och tillgångars framtida utveckling. Prognoserna används tillsammans med Deep Learning och Reinforcement Learning för portföljkonstruktion och portföljoptimering. Sammantaget har årets utvecklingsarbete stärkt bolagets proprietära tekniska plattform och förbättrat möjligheterna att kombinera prognosmodeller, faktormodeller och dynamisk riskallokering inom ett gemensamt investeringsramverk.

Händelser efter verksamhetsåret

Inga väsentliga händelser rapporterade efter verksamhetsåret.

Finansiell analys av senaste bokslutet (2025) i

Finansiell analys

Finansiell analys inte tillgänglig för denna årsredovisning.