Bold Swaptorine 发出的每个信号在到达客户端仪表板之前都会经过三个不同的阶段。每个阶段都会减少数据中特定类型的不确定性。
市场信息、宏观经济发布和基金层面的披露是连续吸收的，并根据通用参考模型进行协调，而不是在一天结束时分批审查。
前瞻性模型估计投资组合中方差减少的机会，并标记具有不对称风险状况的头寸，其中下行风险与预期回报不成比例。
输出根据客户既定的目标和时间范围进行过滤，产生一小组可操作的建议，而不是原始的统计信号列表。
每个人工智能生成的信号都会被加上时间戳、记录下来，并随后根据市场的实际走势进行调整。一旦发布，任何内容都不会从记录中删除，包括表现不佳的建议。
| 发行日期 | 推荐 | 地平线 | 结果 | 状态 |
|---|---|---|---|---|
| 3月3日 | 降低英国小盘股权重 | 3个月 | 相对+2.1% | 已验证 |
| 3月11日 | 增加短期后备母猪的数量 | 6个月 | 相对+0.6% | 已验证 |
| 3月22日 | 持有新兴市场配置 | 12个月 | 追踪 | 待定 |
| 4月4日 | 削减发达市场股票 | 3个月 | −0.3% 相对值 | 已验证 |
结果是根据建议发布时规定的基准来衡量的，而不是根据事后选择的基准来衡量的。
该记录旨在让潜在客户根据展示的行为而不是营销主张来评估平台。
Bold Swaptorine 建立在客户进行市场审查的时间有限的假设之上。工作流程的设计是为了在客户看到任何内容之前进行繁重的分析工作。
市场、基金和宏观经济数据从多个来源提取并标准化为单个工作数据集，从而无需跨不同平台进行手动研究。
预测模型会筛选数据集以查找具有统计意义的模式并丢弃噪声，将数千个数据点缩小为少数相关信号。
过滤后的信号会转化为简单的建议，并明确说明理由和风险级别，以便每周进行简短回顾，而不是每天关注。
根据既定目标和时间范围，相同的基础模型会产生不同的输出。下面列出了英国客户中两个常见的例子。
对于数十年的视野，该模型将长期方差减少的权重置于短期波动之上，有利于通过定期重新平衡而不是频繁转换来实现多元化的增长资产。
这种情况下的建议通常每季度而不是每月进行审核，这反映了更长的时间范围。
当客户现有资产集中时，该模型会识别相关风险敞口并提出调整建议，以减少不对称风险状况，而无需重建完整的投资组合。
这里的输出是根据 ISA 和英国家庭常见的一般投资账户结构进行审查的。
Bold Swaptorine 的建立前提是大多数管理家庭投资的父母既没有时间也没有意愿持续跟踪市场。该平台是围绕简短的定期审查而不是活跃的交易界面而设计的。
模型输出附有推理和置信度，以便客户可以判断推荐的质量，而不是简单地信任地接受它。
详细了解我们的方法