决策智能
针对每种投资组合规模的预测分析
Keen Thriftowment 将人工智能驱动的预测模型应用于实时市场和投资组合数据，识别风险和机会，以便家庭和独立投资者可以根据证据而不是猜测采取行动。
开始分析
信号跟踪：在滚动数据窗口上绘制模型置信度，并随着新输入的到来而更新。
Keen Thriftowment 将人工智能驱动的预测模型应用于实时市场和投资组合数据，识别风险和机会，以便家庭和独立投资者可以根据证据而不是猜测采取行动。
开始分析
信号跟踪：在滚动数据窗口上绘制模型置信度，并随着新输入的到来而更新。
Keen Thriftowment 是围绕一个特定的差距而建立的：机构级数据分析历来需要机构规模的账户。我们删除了该要求，但没有简化底层模型。
该平台处理大型资产管理公司使用的相同类别的数据——定价信息、宏观经济发布和投资组合层面的差异——并将它们转换成适合其前面账户规模的建议，无论该账户持有一万比索还是一千万比索。
大多数投资组合工具都会按照固定的时间表（每周或每月）重新计算。 Keen Thriftowment 会在定价数据、经济指标和账户级别发生变化时获取这些变化，并以相同的节奏重新计算风险敞口和风险评分。结果是反映当前状况而不是上个月快照的建议集。
底层管道将摄取与建模分开：流层处理传入数据，而批处理层以固定间隔重新训练预测模型，并在部署前根据保留的历史周期对其进行验证。
在更新时合成市场信息、宏观经济发布和投资组合级别数据，无需等待批处理周期。
提取历史周期中的重复模式以估计短期和中期结果的概率范围。
预测分配调整并将其作为排名操作提供，其大小适合帐户，无论其余额如何。
访问完整模型套件并不取决于帐户规模。开户或运行分析没有最低存款要求。用于较大投资组合的相同风险评分和推荐引擎从存入的第一个比索开始适用，输出按比例缩放到所管理的资金。
账户持有量、存款历史和规定的风险承受能力与实时市场数据相结合。
该模型衡量当前条件下每种持股对整体投资组合波动性的影响。
历史模式匹配为下一个规划范围生成概率加权结果范围。
生成排名调整建议，将风险敞口恢复到账户的目标范围内。
逻辑流程：引入提供方差分析，方差分析约束预测模型，模型输出确定哪些重新平衡操作排名最高。每个阶段都会记录其输入以供以后查看。
一个家庭设定了 15 年的教育或退休资金期限。该引擎会监控与原始分配的偏差，并在累积风险超出家庭规定的承受能力时进行标记，远早于其成为已实现的损失。
在波动性加剧期间，该模型会更频繁地重新计算风险敞口，并提供短期对冲或重新分配选项，为投资者提供明确的反应窗口，而不是在波动后做出反应。
监控市场时间有限的个人投资者只需设定一次再平衡规则。系统按照固定的时间表应用它们，仅执行预先批准的范围内的调整。
账户和投资组合数据在传输过程中和静态时均进行加密。对原始数据的访问仅限于需要它进行建模的系统；它不会出于营销目的而出售或与第三方共享。
预测表示为概率范围，而不是保证。模型在部署前根据历史时期进行验证，并按固定时间表重新测试。模型过去的表现并不能保证未来的结果。
开户或访问分析引擎没有最低存款要求。这适用于当前条款下的所有新帐户和现有帐户。
提款条款遵循注册时选择的帐户协议。标准处理时间表适用，并在您为账户注资之前披露。
不需要。推荐输出旨在由账户持有人直接审核和批准，无需事先建模或市场分析经验。