背景
价格反馈、订单流、宏观数据发布和情绪变化现在持续出现在数十个场所。对于远程优先投资者或管理自己财务的小企业来说，手动审查此数量不再是尽职调查的问题，而是结构性瓶颈。信号被淹没在噪音中，当手动确认模式时，对其采取行动的窗口通常已经缩小。
这不是努力的问题。这是一个规模问题：人类的注意力不会随着数据集的大小而增长，而数据集却不断增长。对于许多独立投资者来说，结果就是决策疲劳——对头条新闻而不是证据做出反应，或者观望，因为分析从来没有完全跟上市场的步伐。
方法
我们的模型不断处理价格、交易量和情绪数据，并将输出转化为简单语言、经过风险调整的建议——而不是您需要自己解释的原始统计分数。
通过可见的、持续的绩效历史记录来反映人工智能策略的分配逻辑。您设定暴露限制；系统应用其中的策略。
平台提出并解释；您批准或调整。如果没有您的参数首先控制它，则任何策略都不会应用于您的资本。
它是如何运作的
每个建议在到达您的仪表板之前都会经过相同的顺序。我们简单地描述它是因为我们相信您应该能够质疑任何输出，而不仅仅是接受它。
市场动态、宏观经济发布和情绪指标都是滚动收集和标准化的，因此模型始终根据当前数据集而不是陈旧的快照运行。
基于历史和实时数据训练的模型可以识别重复出现的结构——相关性、动量变化、波动性集群——并在形成观点之前根据当前条件对它们进行权衡。
每项建议的行动在向您展示之前都会针对不利情况进行压力测试，头寸规模和止损参数与推理一起可见。
应用领域
考虑到您现有持仓、风险承受能力和时间范围的重新平衡建议 - 每周或根据情况变化进行审查，无需每日监控。
对新闻、文件和交易活动中情绪变化的持续阅读，以早期背景而非延迟摘要的形式出现。
预定义的对冲触发器可响应您提前设置的波动阈值，从而减少在快速变化的交易时段中手动做出反应的需要。
我们直接被问到的问题
账户和投资组合数据在传输过程中和静态时都进行加密，并且我们系统内的访问受到需要知道的限制。我们不出售客户数据，用于训练我们模型的市场数据的来源独立于任何个人账户。
在任何更新版本投入生产之前，模型会根据最近的市场数据按滚动计划进行重新训练，并根据历史压力期进行重新验证。这并不能消除风险，但这意味着模型的假设会根据实际情况持续进行检查，而不是在发布时固定下来。
您连接或注资一个账户，定义您的风险参数——风险限额、要避免的行业、对冲阈值——并在复制交易执行任何操作之前审查您的第一组建议。大多数用户正在同一会话中查看实时输出。
不会。建议的目的是为您做出的决定提供信息，而不是让您退出决策。您可以控制要遵循的策略、规模和持续时间。