费用比率的示意图，而不是对特定客户的衡量。
该平台将实时处理与在生产使用之前经过验证的模型相结合。
市场、财务和公司数据被持续处理。预测自动更新，无需人工干预。
模型是根据历史时间序列和输出概率带而不是单个点值进行训练的。
投资组合和数据集按波动性和相关性进行分组，以揭示集中风险。
处理范围从单个投资组合到企业范围的数据集，而无需改变分析方法。
现有数据源可以通过定义的接口连接，而无需更换现有系统。
每个建议都记录有基础数据点和计算时间。
F.-K. Weber 开发基于记录的数据源和公开可见的计算规则的分析模型。每个建议都可以追溯到底层数据点。
重点是可重复性：相同的输入数据会产生相同的结果。预测与实际路线之间的偏差将被记录并纳入下一个模型版本中。
如果没有首先针对历史市场阶段进行测试，任何模型都会上线。
数据收集：以结构化方式记录和清理市场、财务和公司数据。
模型训练：根据历史时间段和不同市场阶段对算法进行训练。
回溯测试：策略在有效使用之前会根据过去的市场状况进行测试。
持续控制：预测和结果之间的偏差被记录下来并纳入下一版本。
所有模型在生产使用之前都会在多个市场周期的数据集上进行测试。预测与实际航向之间的偏差会被记录下来，并可根据要求查看。过去的测试结果并不能保证未来的发展。
分析的权重根据可用资金、时间范围和风险偏好进行调整。
每月盈余根据风险状况分布在不同的资产类别中。在建议分配之前，分析会考虑现有储备和所需的时间范围。
包含保守型、平衡型和进攻型配置范围的分配建议，包括基础情景的历史波动范围。
模型输出的示例表示，不提供投资建议，也不保证结果。
波动的收入与当前义务相平衡。这些模型显示了在没有流动性风险的情况下可以投资的收入比例。
根据近期收入波动建议准备金数额，以及对剩余可投资金额进行多元化的建议。
模型输出的示例性表示，不提供投资建议，也不保证结果。
检查现有头寸的相关性和集中度风险。分析显示哪些资产类别减少了整体投资组合的波动范围。
当前头寸的相关矩阵以及根据投资组合波动性预期变化进行再平衡的建议。
模型输出的示例性表示，不提供投资建议，也不保证结果。
该平台处理通过接口连接的结构化市场数据、关键公司数据和第三方来源。每个来源在使用前都会经过完整性和时事性检查。
数据处理每隔 15 分钟运行一次。模型版本本身会定期检查，并在必要时重新训练。
不需要。该界面设计为无需具备任何技术知识即可使用。文档化的接口可用于连接您自己的数据源。
是的。该平台专为桌面和移动设备上的浏览器而设计。目前还没有计划推出本机应用程序。
数据在位于德国的服务器上加密传输和处理。访问被记录并且可以被追踪。
预测与实际路线之间的偏差将被记录、记录并纳入受影响模型版本的修订中。