挑战
时区变化、网络连接各不相同，传统的财富管理假设您拥有固定地址和五位数的开户金额。对于大多数远程专业人士来说，这两种情况都不是，也不应该成为稳健投资的先决条件。
Harbor Yieldarant Platform 是围绕一个更简单的前提构建的：决策的质量应取决于其背后数据的质量，而不是取决于您的初始资金量。
核心技术
该平台持续获取市场、宏观经济和工具层面的数据，然后应用经过训练的统计模型来识别有意义的价格或风险变动之前的模式。输出不是黑匣子；每项建议都可以追溯到产生它的数据。
根据历史和实时数据训练的模型可以预测给定资产或策略的可能结果范围，并随着新信息的到来而更新，而不是按照固定的时间表进行更新。
每项建议都会根据您设置的风险限额和波动性阈值进行加权，因此系统有利于资本保值和增长，而不是单独增长。
数据源不断刷新，这意味着一个市场一夜之间的变化会在您的下一个工作会议之前反映在您的仪表板中，无论该会议在哪里进行。
方法论
当决策自动化时，透明度就更重要。这是模型每次都遵循的顺序，无一例外。
从多个来源收集市场价格、经济指标和工具基本面，并标准化为一致的格式以供分析。
统计模型将当前状况与历史先例进行比较，标记与您现有持仓相关的相关性和异常情况。
调查结果会根据您规定的风险承受能力和时间范围进行筛选，产生具体的、过时的建议，而不是一般的市场观点。
应用于实践
场景一
一个月内跨三个时区工作的承包商无法按固定时间表监控市场。该平台的持续分析意味着当他们登录时就会提供建议，而不受交易大厅的开放时间的限制。头寸会根据出发前配置的风险设置自动进行审核。
场景二
有人从一笔适度的资金开始，使用非最小结构将其分散到模型识别为彼此相关性较低的多个资产类别中。随着余额的增长，相同的预测框架会重新平衡分配，而不是每次都需要手动审核。
透明度
账户和财务数据在传输过程中和静态时都会被加密，并且对底层模型的访问会被记录下来并仅限于需要它的流程。我们不会出于营销目的与第三方共享投资组合数据。
您选择模式。有些客户在批准每项建议之前都会对其进行审查；其他人授权平台在预先商定的风险参数内执行。无论哪种方式，所采取的每项操作都会记录其合理性的数据。
没有一个。无论账户规模如何，运行预测模型的成本基本上都是固定的，因此我们没有围绕它们建立障碍。费用结构随着活动和平衡而变化，而不是充当进入的大门。