那些远程管理投资的人通常会手动查看报告、图表和分散的新闻。通常的结果是怀疑：信号被发现较晚或对短期噪音反应过度，而代价是真正的机会仍未得到执行。
我们的系统实时处理历史序列和市场数据，以隔离具有统计相关性的模式。它不会取代用户的判断：它减少了不相关信息的数量，并优先考虑历史上与更好的风险调整结果相关的信息。
推荐的可靠性取决于它的构建方式。这就是为什么每个模型在到达用户界面之前都要经过记录的验证过程。
每个策略首先都会根据多年已知的市场数据运行。这样可以在将其应用于当前信息之前测量其在不同经济周期中的行为。
除了平均表现之外，我们还审查每个模型在下跌或高波动时期的表现，以丢弃那些仅在有利条件下有效的模型。
一旦经过验证，模型就会连接到当前的数据流。建议会不断重新计算，而不依赖于几天内就会过时的具体报告。
该流程专为那些远程工作且需要清晰结果而无需花费数小时解释电子表格的人员而设计。
相关信息源相互关联：市场、感兴趣的资产和用户定义的风险参数。
该引擎分析连接的数据，应用已经验证的模型并生成一组按相关性划分优先级的信号。
用户查看建议并决定采取哪些操作，并通过必要的上下文来了解每一项建议的原因。
平台上可用的每种策略都显示其在整个历史时期（包括损失时期）的行为，而不仅仅是最佳结果。
计算的风险优化考虑了观察到的波动性并相应调整建议的风险敞口，而不是提供单一的预期回报数字。
不同历史市场时期策略演变的说明性表示。