多资产风险追踪
整合多个资产类别的头寸和风险信号，并为投资委员会导出数据。
旨在减少而不是掩盖不确定性的方法
Vermeil Rentelle 结合统计模型和机器学习，将异构数据量转换为可操作的指标。目标不是绝对确定地进行预测，而是提供记录在案的决策基础，并随着新数据的到来不断进行修改。
该平台面向专业投资者和项目负责人，他们在主要工作的同时管理自己的活动，并寻求可靠的分析支持，而无需持续监控市场。
Vermeil Rentelle 结合统计模型和机器学习，将异构数据量转换为可操作的指标。目标不是绝对确定地进行预测，而是提供记录在案的决策基础，并随着新数据的到来不断进行修改。
该平台面向专业投资者和项目负责人，他们在主要工作的同时管理自己的活动，并寻求可靠的分析支持，而无需持续监控市场。
每个模块独立运行，但提供相同的数据库，因此建议彼此保持一致。
这些模型根据历史序列进行训练，并定期重新校准。它们产生概率场景而不是单个值，以表示真正的不确定性而不是将其隐藏在数字后面。
新的市场、经济和部门数据在发布时被整合。显示的指示器反映了最新的可用更新，每个信号都有可见的时间戳。
每个建议都附有一个置信度指数和预期的变化范围。然后用户决定分配或操作，Vermeil Rentelle 不会取代最终的人类判断。
技术逻辑被记录下来，以便每个用户在利用信号之前了解信号的来源。
收集市场来源、宏观经济指标和部门数据，然后以通用格式进行标准化，并在输入时进行一致性检查。
根据实际观察到的结果重新评估模型。观察到的差异用于在产生下一个信号之前调整权重。
结果以分数、置信范围和综合理由的形式呈现，可以从仪表板查看或导出供内部使用。
即使观察到的结果偏离预测，过去的信号仍然可见，并且永远不会从日志中删除。
| 期间 | 行业分析 | 已发布的信号 | 观察到的方向精度 |
|---|---|---|---|
| T1 | 大盘股 | 184 | 说明性摘录 |
| T2 | 货币和汇率 | 92 | 说明性摘录 |
| T3 | 原料 | 67 | 说明性摘录 |
上面的值说明了日志结构，并不保证结果。真实数据不断更新，可在创建帐户后查阅，并根据观察的时期和部门而变化。过去的表现并不能保证未来的结果。
该平台根据所需目标调整信号的呈现方式，而无需修改底层计算方法。
整合多个资产类别的头寸和风险信号，并为投资委员会导出数据。
分析部门情景以指导预算分配或发展选择，而不取代内部专业知识。
根据模型产生的置信度分数定期调整投资组合的分布，并在执行前手动审核。
以下几点涵盖了上线前最常见的问题。
传输的数据在传输过程中和静态时均进行加密。帐户凭据永远不会与第三方共享，并且访问详细日志需要专门的身份验证。
可以通过结构化导出来访问建议，从而可以集成到现有的内部仪表板或投资组合管理工具中。完整的 API 集成取决于订阅级别。
访问以定期订阅的形式提供，在当前计费周期之后不施加最短期限承诺。访问级别的详细信息在注册前显示。