每个输出都是连续过程的结果，而不是单个黑盒预测的结果。以下步骤描述了数据提取和仪表板中显示的建议之间发生的情况。
市场信息、投资组合报表和交易记录被连续地拉入统一的数据层。
输入经过清理和标准化，以便可以直接比较不同经纪商、货币和资产类别的数据。
您的历史决策和规定的限制将根据观察到的波动承受能力进行加权，以更新您的风险状况。
系统会生成一组经过排序的操作，每个操作都标有置信度和用于达到该置信度的数据点。
风险承受能力并不是在入职时固定的一个数字。该模型将其视为一个范围，该范围会随着您的交易历史、您规定的时间范围以及您对先前建议的反应而变化。如果远程投资者在不同时区之间管理资本，那么如果他们的活动模式或规定的限制发生变化，阈值就会发生调整，而不是依赖于一次回答的静态调查问卷。
该平台是围绕预测建模和连续数据摄取构建的。每种方法的存在都是为了减少独立于地点的投资者原本需要执行的手动审核量。
预测是根据历史价格行为、波动性聚类和投资组合级别相关性生成的，然后根据您当前的风险范围进行交叉检查，然后再作为建议出现。
模型准确度数字特定于每个投资组合，并在初始校准期后显示在仪表板中，而不是在此处引用为一般数字。
市场数据、账户报表和相关宏观经济数据是连续提取的，因此风险状况绝不会基于超过一个周期的信息。
延迟可能随上游源可用性的变化而变化；该平台针对推荐中使用的每个数据点显示时间戳。
远程专业人士很少有机会在整个交易日监控头寸。风险管理模块是围绕这一约束构建的：它持续监控阈值，并且仅在决策真正需要时才需要您的关注。
系统不会不断发出警报，而是批量处理优先级较低的信号，并仅升级超出校准风险范围的变化。这样做的目的是减少审查数据所花费的时间，并减少因单独应对每个市场波动而产生的人为错误。
相同的摄取和分析管道适用于多种类别的财务数据。下表描述了典型用法，而不是保证的结果，因为结果取决于所提供数据的质量和数量。
| 数据类型 | 典型应用 | 典型输出 | 处理负荷 |
|---|---|---|---|
| 上市股票投资组合 | 头寸级别风险带和再平衡提示 | 重新平衡建议的排名及其理由 | 大容量、连续 |
| 多币种现金流 | 跨境收入的外汇敞口监控 | 带有阈值警报的暴露摘要 | 适度、事件驱动 |
| 私营企业收入数据 | 自营职业收入的现金流波动评估 | 储备建议和差异标志 | 低至中度，周期性 |
| 数字资产持有量 | 波动率调整暴露限额 | 波段调整头寸上限 | 大容量、连续 |
处理负载反映了模型处理每个类别的数据的频率和数量；它并不代表有保证的回报或结果。手动审查时间与模型可以代表您处理的数据量成比例地减少，因为这是它旨在取代的特定功能。
这些是具有技术头脑的用户在集成之前最常提出的问题。如需更深入的详细信息，每个答案都链接到相关规范页面。
数据在传输过程中使用行业标准 TLS 进行加密，并在存储层中进行静态加密。对原始帐户数据的访问仅限于需要它进行模型校准的流程；它不用于训练其他帐户的模型。
审查安全规范 →在正常操作条件下，摄取管道会在亚分钟窗口内处理新数据。在上游供给量较高或定期维护期间，延迟可能会增加；任何延迟都会反映在每个数据点附加的时间戳中。
查看延迟规范 →模型根据汇总的历史市场数据进行训练，并根据每个账户的活动和约束条件进行重新校准。不会跨用户汇集个人帐户数据来重新训练共享模型。
查看模型培训文档 →每个决策中使用的建议、理由日志和基础数据点都可以以标准表格格式从仪表板导出，因此您可以保留独立于平台的记录。
询问导出格式 →如果上游源不可用，该模块会将受影响的数据类别标记为过时，而不是默默地替换过时的数据，并且依赖于该源的建议将暂停，直到连接恢复。
查看完整的技术常见问题解答 →