初始情况
为什么经典分析达到了极限
手动分析会耗费时间和精度
信息超载和情绪化的错误决策会浪费时间和回报。任何手工评估市场数据的人都会损失对短期走势至关重要的时间。
预测分析作为替代方案
Schilhermut 使用预测分析来验证数十亿数据点并将其转化为清晰的策略。结果是决策的结构化基础，而不是直觉。
关于Schilhermut
数据驱动决策的工具
Schilhermut 专为那些想要积累资本而无需花费大量时间沉浸在市场报告中的专业人士而设计。该平台将风险管理、实时情报和个人投资组合逻辑结合在一个界面中。
重点在于一个简单的原则：复杂的模型应该提供可理解的结果。每条建议都可以追溯到底层数据源，以便用户了解提出建议的原因。
功能范围
技术深度，操作简单
每项功能都旨在实现一个目标：无需额外的专业工作即可快速、易于理解的决策。
01
60 秒设置
直观地集成您的数据源。连接仓库、确认参数、开始分析——无需手动配置各个关键指标。
02
预测建模
通过基于人工智能的场景分析将风险最小化。该模型在提出建议之前模拟了几种市场趋势。
03
实时洞察
立即通知市场变化。相关偏差已被标记，无需您手动监控价格。
04
可扩展的建议
为不断增长的资本结构量身定制的策略。如果投资金额或风险偏好发生变化，逻辑就会适应。
方法论
分析如何在后台进行
四个步骤共同构成了每项建议的基础。
1
数据聚合
从公共和许可来源自动收集全球市场指标。
2
人工智能验证
通过神经网络过滤噪声，将可靠模式与短期异常值分开。
3
优化
在提出策略之前与您的个人风险参数进行比较。
4
执行
提供面向行动的仪表板以及具体、易于理解的行动步骤。
透明度
通过方法论实现透明度
我们依靠数学证据而不是模糊的承诺。下图显示了如果将预测分析纳入分配中，模拟投资组合的风险状况如何在十二个月的回测期内发展的示例。
仪表板中的每个指标都可以追溯到底层数据源。这就是基于模型的评估与纯粹预测的区别。
第 1 个月
第 12 个月
模拟回测期间波动性降低的简化表示。用作方法说明，而不是回报预测。