人工智能分析
根据历史市场序列训练的统计模型可以识别所跟踪的每个资产类别的相关相关性和异常情况，而无需手动干预计算。
观察结果
金融数据丰富，解读却少之又少
现在，进行长期储蓄的家庭可以轻松进入市场，但很少能获得为职业经理人保留的分析工具。宏观经济信号、部门差异和资产之间的相关性正在以超出个人手动处理速度的速度增长。
这种信息的不对称往往会促使人们根据特定的新闻而不是结构性趋势做出反应性决策。
- 未开发的数据量每天都会发布数千个市场点，但没有办法对它们进行优先级排序。
- 风险衡量不当消费者工具很少评估投资组合在不利情况下的实际风险。
- 不透明的行话专业平台使用的技术术语让非专业投资者望而却步。
- 缺乏可验证的监控很少有工具公开记录其过去建议的实际表现。
发动机
为决策而不是猜测而构建的预测智能引擎
该平台结合了三个技术组件，将原始数据流转换为可操作且经过解释的建议。
风险管理
每项建议都附有波动性指标和估计的最大损失情况，以便在做出任何决定之前确定实际风险。
实时追踪
每次重大市场更新都会重新评估跟踪头寸，并在趋势变化超过定义的阈值时发出警报。
算法透明
公共、社区可验证的性能日志
Vivace Essorbance 不报告总体成功率，而是发布每项建议的详细历史记录，包括结果低于预期的情况。
性能日志——摘录
持续更新
建议#A-21412 个月范围 — 记录计划/实际偏差
建议#A-2156 个月期限 — 信心指标发布
建议#A-21624 个月范围 — 目前正在监测
建议#A-21712 个月期限 — 已关闭，差异已存档
三步验证过程
- 每条建议都带有时间戳，并在任何可能验证或无效的市场发展之前发布。
- 预测与实际结果的差异记录在日志中，不会撤销或追溯修改。
- 聚合的精确指标——按范围划分的一致性率、按资产类别划分的平均偏差——对任何注册用户来说仍然是可见的，因此公布的业绩仍然是可控的，而不是确认的。
方法
从原始数据流到合理推荐
该过程遵循三个不同的阶段，每个阶段在将结果传递到下一阶段之前都经过独立审核。
步骤01
数据摄取
市场信息、宏观经济指标和金融出版物被不断收集和标准化，然后在进行任何分析处理之前清除不一致的值。
步骤02
预测建模
这些模型评估不同时间范围内的几种发展情景，并根据每个假设的历史概率及其对风险的敏感性对每个假设进行加权。
步骤03
可行的建议
结果被转化为可读的建议，并附有其置信水平及其对投资组合整体平衡的估计影响。
谁构建了 Vivace Essorbance
专为非专业投资者设计的平台
Vivace Essorbance 旨在将通常为机构保留的定量分析方法置于家庭长期储蓄的范围内，同时又不会过度简化市场的复杂性。
所使用的技术词汇——预测智能、投资组合优化、算法透明度——在界面中得到了系统的解释，因此决策永远不会基于难以理解的术语。
了解有关该方法的更多信息
常见问题
最常出现的要点
我的财务数据如何受到保护？
帐户信息在静态和传输过程中均进行加密。不会出于商业目的将个人数据传输给第三方，并且对内部日志的访问仅限于服务运营所必需的操作。
如果我不是市场专家，我该如何解释建议？
每个建议都会显示一个简单的语言摘要、一个以百分比表示的置信度指标以及对其背后推理的解释。技术术语在悬停时或在文件的脚注中系统地定义。
Vivace Essorbance适合长期策略还是仅适合一次性套利？
该平台专为多年持续分配监控而设计。这些模型包含短期、中期和长期的视野，并且建议始终指定它们保持相关性的持续时间。