分析如何进行
我们记录建模的每个阶段，以便客户准确了解推荐是如何产生的。
市场指数、宏观经济指标和账户级数据以滚动方式收集和标准化，并在每个交易日刷新。
统计模型可识别历史条件与后续结果之间的重复关系，并根据其随时间的可靠性进行加权。
每个候选策略在提出之前都会针对数十年的先前市场周期进行运行，因此其在压力下的行为是预先已知的。
输出结果附有假设和置信范围，允许对每项建议进行检查而不是轻信。
所有数据源均已记录并受版本控制。如果模型的置信度低于我们的内部阈值，则不会在该期间生成任何建议。
核心能力
该平台提供的不是单一预测，而是可能结果的分布，因此可以根据现实的最佳和最坏情况来权衡决策。
根据规定的风险承受能力不断检查投资组合和头寸限额，在集中或回撤风险复合之前对其进行标记。
随着新数据的到来，建议会重新计算，从而可以根据波动性或相关性的变化重新平衡分配。
绩效、风险和方法报告按固定节奏生成，并格式化以供内部审查或监管记录保存。
性能验证
模型引导的分配与静态基准分配的说明性比较，在十五年的回测窗口中每年重新平衡。
在整个回测期间，在四个被确定为高波动性的时期中的三个期间，模型引导的分配相对于静态基准减少了峰谷回撤。每个 12 个月的窗口中表现优异的情况并不一致；观察到的主要影响是经济低迷时期的稳定性，而不是增长的加速。
回溯测试的表现反映了历史数据和建模假设。它不代表实际交易，也不保证未来结果。过去的表现，无论是实际的还是模拟的，都不能预测未来的回报。所示数据仅说明方法，并非针对特定客户的结果。
家族财富保值
许多家庭都有明确的储蓄期限——退休日期、抵押贷款期限、孩子的教育——并且吸收过程中突然损失的能力有限。
Google Finance Ai 对特定范围内的增长和稳定性之间的权衡进行建模，随着剩余时间的缩短和风险承受能力的缩小而调整建议。
机构数据优化
管理多个客户委托的公司需要跨投资组合保持一致性，而无需对每个客户手动重新运行分析。
该平台在公司的整个客户群中应用相同的回测逻辑，显示需要人工审查的例外情况，而不是要求分析师单独检查每个帐户。
常见问题
账户和投资组合数据在传输和静态时均进行加密。访问权限仅限于执行特定功能所需的系统和人员，并且数据绝不会出售给第三方或用于训练不相关的商业模型。
没有模型能够准确预测市场。我们的方法会报告每个建议的置信范围，并在部署前针对样本外的历史时期进行验证，因此准确性数字反映了真实的回测性能，而不是曲线拟合的结果。
对于咨询公司来说，初始数据连接和验证通常在规定的入职期内进行，然后是并行运行阶段，在全面采用之前，模型输出与现有流程一起进行审查。