人工智能为您的额外收入服务。
Xunera Livo 将预测模型应用于您的实时数据源，以识别最有利可图的机会并排除那些风险/回报率不利的机会。
优化我的收入每项建议均基于定量分析，可在每日报告中查阅。
Xunera Livo 将预测模型应用于您的实时数据源，以识别最有利可图的机会并排除那些风险/回报率不利的机会。
优化我的收入每项建议均基于定量分析，可在每日报告中查阅。
我们的方法
Xunera Livo 旨在为独立专业人士带来机构资产管理中使用的相同定量分析标准。
如果没有事先处理可用数据（绩效历史记录、机会波动性、时间和访问限制），引擎不会提出任何建议。无论分析的活动量有多大，这种方法论的严谨性始终保持不变。
透明度
Xunera Livo 不仅仅提供建议：该平台在每日报告中记录了每项建议背后的逻辑，无需我们干预即可访问。
方法论
与适用于专业投资组合的逻辑相同，适应独立活动的规模及其时间限制。
01
该引擎获取有关可访问机会的可用数据（数量、历史记录、可变性），并检测与观察到的平均值的显着偏差。
02
预测模型会考虑最近一段时间观察到的市场变化，估计每个已识别机会的回报概率。
03
仅传输风险/回报情况超过定义阈值的机会以及相关的支持数据。
风险管理
自营职业的最大症结之一是每月的变化。 Xunera Livo 不承诺消除这种可变性，但会通过在向您提供最不可靠的机会之前过滤掉它们来降低其程度。
过滤基于可衡量的标准：类似机会的频率、观察到的回报的标准差、分析期间数据的一致性。根据这些标准被认为过于不稳定的场景被排除在选择之外。
常见问题
该引擎处理与您输入的渠道上可用机会及其最近历史记录相关的实时数据源。每份报告中都会注明这些来源及其更新日期。
不会。已发布的报告仍处于冻结状态，以保持决策的可追溯性。随后对数据的任何更正都将在单独的、注明日期的注释中进行，而无需重写初始报告。
这是有可能的。该模型有利于可用数据的一致性，而不是孤立的盈利潜力。因此，可以通过方法选择排除有利可图但记录不充分的机会。
不会。Xunera Livo 根据观察到的数据减少了不太可靠场景的风险，但不能根据过去的数据保证未来的结果。
每个报告周期都会根据新的可用数据对模型进行重新校准，以反映最近的发展而不是固定的平均值。