传统的投资组合分析受到分析师阅读速度的限制。当季度报告被注释时，它所描述的情况已经发生了变化。 Amortfolios 通过连续处理实时市场信号而不是事后重建它们来消除这种滞后。
市场、情绪和基本数据会持续重新评估，因此建议反映的是当前状况，而不是上个月的收盘价。
每个应用于实时数据的模型都首先根据历史市场周期进行了验证，因此在投入资金之前就知道其在压力下的行为。
建议根据波动性和回撤风险进行加权，而不是单独作为原始回报预测来呈现。
用于机构级分析的相同预测基础设施是为管理个人或多元化收入投资组合的单个专业人士构建的。
在任何建模开始之前，结构化和非结构化输入（定价源、文件、新闻流和宏观指标）都会被收集并清理成通用格式。
在清理后的数据集中应用多变量分析，以确定历史上资产绩效变化之前的市场变量之间的关系。
每个候选策略都针对过去的回撤期进行了压力测试，筛选风险调整后的回报，而不仅仅是原始的上涨空间。
幸存的策略被编译成经过排名的、经过回溯测试的推荐集，以及每个策略被验证的历史条件。
跨股票、基金和副业收入进行多元化投资的专业人士往往会忘记他们的综合风险敞口如何随着时间的推移而变化。
解决方案Amortfolios 不断重新计算混合投资组合风险，并标记针对所选目标配置文件的分配偏差。
结果单一、当前的风险敞口视图——减少手动季度再平衡检查的需要。
新闻和分析师评论中的情绪往往先于价格变化，但个人很难通过多种来源进行跟踪。
解决方案在同一预测模型中，自然语言信号与价格和数量数据一起进行评分和加权。
结果情绪驱动的风险会更早地浮现出来，而不是在价格波动已经发生之后才被发现。
大多数个人投资者所依赖的定期检查之间的风险敞口可能会发生重大变化。
解决方案基于阈值的警报持续监控波动性和相关性变化，独立于固定的审核日历。
结果随着情况的变化，风险会被标记出来，从而在某个职位成为负债之前给予更多的时间来做出反应。
客户数据和投资组合信息在严格的访问控制下进行处理，分析处理和任何存储的帐户信息之间进行数据隔离。
Amortfolios 的运行符合 DACH 地区预期的数据保护标准，包括符合欧盟监管实践的数据最小化原则和目的限制。
模型输出在部署前根据历史市场数据进行验证，并根据回溯测试的基础提出建议，而不是作为不合格的预测。
Amortfolios 是为那些想要机构分析学科而无需自行构建的专业人士而构建的。该平台的作用是构建数据并提供经过验证的选项——分配决定权仍由用户决定。
策略在发布前会根据历史市场周期进行审查，并且每项建议背后的推理都是可用的，而不是在单个输出分数后面被掩盖。
留下工作电子邮件，Amortfolios 团队的成员将跟进与您的投资组合规模相关的入职详细信息。