通过情报保值财富
Rekenterij 将数十年的市场数据转化为清晰、经证实的见解。人工智能支持的回测显示了策略在压力下的历史表现，因此您可以在波动的市场中更有信心地做出决策。
探索方法论显示的模型分析了几十年来的历史市场周期，并根据每个新的市场走势重新计算情景。
Rekenterij 将数十年的市场数据转化为清晰、经证实的见解。人工智能支持的回测显示了策略在压力下的历史表现，因此您可以在波动的市场中更有信心地做出决策。
探索方法论显示的模型分析了几十年来的历史市场周期，并根据每个新的市场走势重新计算情景。
背景
任何管理自己资产的人每天都必须处理一系列新闻、价格变动和观点。这使得区分噪声和信号变得困难。
Rekenterij 通过识别长期数据中的统计模式并根据您自己的投资组合进行测试来过滤这种噪音。结果不是预测，而是概率的清晰概述，您可以根据该概率做出自己的决定。
技术
基础模型基于 B2B 金融领域用于风险建模的技术。 Rekenterij 已将其简化为用于个人资产管理的清晰工具，同时又不失分析深度。
该系统可识别历史价格序列、波动性和宏观经济指标的模式。在此基础上，它计算出不同市场情景的概率，以便您有一个平衡的估计而不是猜测。
每项建议都会根据您的风险状况进行测试。该模型考虑了最大回撤和利差，因此稳定性相对于短期回报仍然至关重要。
市场数据被持续处理。如果情况发生重大变化，您会收到带有解释的信号，以便您及时评估是否需要调整。
方法
该方法分为三个步骤。目标不是预测未来，而是根据之前发生的情况尽可能准确地计算不同结果的概率。
过去几十年的历史价格数据、利率和宏观经济周期均经过结构化和清理以供分析。
策略会针对多个市场时期（包括调整和复苏）进行回溯测试，以了解它们在压力下的表现。
根据测试结果，对参数进行细化，以便建议符合您的风险状况和投资期限。
应用领域
这些模型旨在支持具体决策，而不是作为快速盈利机会。以下场景说明了用户通常如何应用这些见解。
该模型分析了不同资产组合在不确定性增加期间的历史表现，并建议符合您目标的多元化投资。
历史模式可以让我们深入了解何时分阶段减仓在统计上比突然出售更有利。
对于那些依赖定期收入的人来说，该模型显示了哪些股息股票组合历史上产生了更稳定的现金流，包括相关风险。
Rekenterij 是为那些想要保持对其资产的控制，但希望得到数据而不是直觉支持的人而开发的。
该平台呈现具有基础数据及其历史基础的场景。最终的选择，包括考虑个人情况，始终由您决定。
这个出发点是经过深思熟虑的：模型可以识别模式，但不会考虑你的生活状况。技术与人类判断的结合构成了工作方法的核心。
透明度
一些我们经常看到的问题，直接回答，不走弯路。
数据以加密方式存储，仅用于对您自己的投资组合进行分析。不得出于商业目的向第三方出售或共享。
对于每条建议，平台都会显示基础历史时期以及计算所依据的最重要变量。因此，您不仅可以看到建议，还可以看到其背后的推理。
注册后，您首先要制定您当前的投资组合和风险偏好。在此基础上，系统会制定初步分析，您可以在采取进一步措施之前与顾问进行讨论。