大多数预测分析工具都是为拥有大量资本的机构构建的。 Cerfina 的构建是为了完全消除该阈值，同时保持底层模型不变。
Cerfina 背后的预测引擎处理大型资产管理公司使用的相同类别的数据：历史价格变动、流动性模式和来自公共来源的情绪指标。对于较小的帐户，没有单独的简化版本。
我们避免假设客户应该简单地信任黑匣子。下面过程的每个阶段都可以用普通术语来解释。
该系统吸收结构化的市场数据、定价历史和公开的情绪信号，在整个交易日而不是固定的时间间隔更新其内部情况。
统计模型评估一系列情景中的概率加权结果，并根据投资组合中持有的资产之间的波动性和相关性进行调整。
调查结果被转化为具体的、通俗易懂的语言建议，例如重新平衡权重或标记异常情绪变化，而不是呈现为无法解释的分数。
Cerfina 的设计使得分析工作负载在后台连续发生。客户不需要监控图表或解释原始指标；平台仅显示需要注意的内容。
每项投资决策都带有风险，任何分析系统，无论多么复杂，都无法完全消除风险。 Cerfina 平台的设计目的是降低可避免的风险：来自延迟信息、情绪化决策或缺乏对投资组合集中度的可见性的风险。
建议根据规定的风险承受能力进行校准，并随着市场状况的变化而更新，而不是在初步评估后保持不变。
立场和建议的行动都会被记录下来并可供审查，为系统建议的每次调整提供一致的审计跟踪。
投资组合敞口会不断重新评估，以便波动性的突然变化反映在同一处理周期内的指导中，而不是第二天。
对于持有少量资产的个人，该平台会识别集中风险，并建议与规定的风险状况相一致的权重调整，并随着持有量的变化而更新。
对公开的评论和新闻流进行处理，以检测特定行业或工具的情绪变化，并作为价格变动的背景而出现。
对于那些管理更大或更多样化资产的人来说，该系统模拟了跨类别重新分配资本的效果，允许在做出任何改变之前比较预计结果。
没有固定的最小值。相同的分析引擎适用于较小和较大的帐户；您开始的金额完全由您决定，并且可以随时调整。
这些模型产生概率加权的建议而不是保证。准确性是通过建议与后续市场行为的一致性来评估的，而不是通过单一固定的成功率来评估，并且随着模型的重新训练，这一点会持续进行审查。
客户数据的处理符合英国数据保护要求，并根据需要了解的情况限制访问。在需要做出任何承诺之前，我们会在入职期间提供托管和监管安排的完整详细信息。