以下四个指标描述了平台生成的每条推荐所基于的更新的广度和频率。
持续监控的市场对
传入数据的平均更新延迟
不间断地从主要市场来源获取数据
每个完整分析周期的平均处理时间
三个不同的组成部分按顺序工作：预测、风险管理和策略优化。任何阶段都不能取代投资者的最终决定。
该模型将数千个时间序列与当前市场状况进行比较，以估计短期和中期的可能情况。每个预测都伴随着一个置信区间，而不是绝对的确定性。
在提出建议之前，系统会计算潜在的暴露并将其与用户设置的容忍阈值进行比较。超出规定风险状况的头寸将被标记或排除。
最终指标考虑了配置阶段指出的时间范围和目标，从资本保护到长期增长，以避免通用建议。
该流程旨在即使对于那些以前没有财务分析工具经验的人来说也具有可读性。
价格、交易量和波动性指标是从主要市场来源收集的，并在进入分析引擎之前标准化为通用格式。
该模型将当前状况与重复出现的历史模式进行比较，识别受监控对之间的相关相关性。
结果以具有相关风险级别的操作指示的形式呈现，可供用户评估并在适当的情况下执行。
以下示例说明了分析的实际应用，并不保证每个用户都能获得结果。
| 公司简介 | 主要目标 | RenditaAI的典型用法 |
|---|---|---|
| 拥有现有投资组合的投资者定期重新平衡 | 随着时间的推移，保持分配与风险状况一致 | 当头寸偏离设定参数时收到警报，并参考自动生成的重新平衡建议。 |
| 投资者厌恶波动性资金保护 | 在最不稳定的市场阶段限制风险敞口 | 设置较低的容忍阈值并使用波动性警报来暂时减少特定货币对的风险敞口。 |
| 长期导向的投资者逐步成长 | 在多年的时间里建立可持续的地位 | 在采取行动之前，使用扩展情景模型来评估不同积累策略的影响。 |
RenditaAI 的创建是为了让那些没有接受过传统金融培训的人也能使用定量分析工具，并保持与专业操作员使用的严谨水平相当。
该团队的日常工作重点是传入数据的质量和生成建议的标准的透明度，而不是对预定结果的承诺。
了解我们的方法 →以下答案解决了首次评估基于人工智能的分析工具的人最常见的疑问。
每个预测都附有根据可用数据计算的置信区间，不应被解释为确定性。该模型会根据观察到的结果定期重新校准，但仍然是决策支持工具，不能替代用户评估。
与风险状况相关的账户数据和信息根据 GDPR 的原则进行处理，访问仅限于授权人员，存储仅限于服务目的。它们不会出于商业目的与第三方共享。
RenditaAI 旨在与已使用的交易账户一起运行，提供分析和建议，而无需自动执行交易。执行始终处于用户的直接控制之下。
