预测分析
机器学习模型处理历史和当前市场数据以识别重复出现的模式。输出不是明确的预测，而是在做出决策时可以进一步使用的概率分布。
远程决策的现实
对于从任何地方管理其投资组合的专业人士来说，这个问题更加紧迫。由于无法持续接触内部分析师团队，他们通常在时间压力下依赖自己的判断。 Kalvena Záruketa 用可通过互联网连接从任何地方访问的分析层取代了这一中间步骤。
平台如何运作
该系统不是基于单一模型，而是基于三个互连层的组合，这三个层共同涵盖了从原始数据到具体建议的路径。每一层都有明确定义的角色，并且结果可以审计。
机器学习模型处理历史和当前市场数据以识别重复出现的模式。输出不是明确的预测，而是在做出决策时可以进一步使用的概率分布。
全天定期检查所观察的市场、工具和指标。与预期行为的偏差将在常规消息中可见之前触发警报。
该算法将当前的投资组合分布与定义的风险水平进行比较，并提出调整建议，将回报与风险的比率保持在设定的限度内，而不是针对特定购买提供一次性提示。
结果的可验证性
模型生成的每个建议都会在创建时写入日志，而不是追溯。然后将结果与原始预测进行比较，偏差与决策的日期和背景一起保持可追溯。
此过程可防止对历史记录进行后续修改，并为用户社区提供了一个工具来验证推荐的长期质量是否符合所传达的方法。
内部审核的记录方法参与工作过程
您可以通过安全的 API 连接证券交易所终端账户、银行出口或您自己的表格。该平台将数据统一为一种格式，无需手动重写。
该模型处理统一的数据，将其与历史模式进行比较，并生成具有一定置信度的建议。结果可以从任何地方的网络界面获得。
您可以自行决定批准、修改或拒绝建议。平台作为决策依据，用户永远拥有最终决定权。
常见问题解答
您的资源和平台之间的所有通信都通过加密连接（TLS 1.2 及更高版本）进行。外部帐户的访问数据不是以可读形式存储，而是通过令牌化访问存储，数据提供者可以随时撤销该访问。
价格取决于处理的数据量和监控市场的数量。填写申请表后，您将获得针对您的案例的准确计算结果，届时我们将一起讨论连接源的范围。
各个客户数据在逻辑上是分开的，不用于训练其他用户的模型。仅使用匿名和汇总的市场数据来训练一般预测模型，而不是单个投资组合的内容。
个人数据的处理符合 GDPR 要求，包括删除权和数据可移植性。有关所处理的特定数据类别的详细信息可以在个人数据保护政策中找到。