我们的方法
Continually 建立在一个简单的前提之上：有关长期财富的决策在做出之前应该经过历史检验。我们的平台将跨越多个经济周期的市场数据与预测模型结合在一起，帮助识别难以孤立观察的模式和风险。
分析是彻底的，但决定权仍然是你的。我们与独立金融策略师和私人投资者合作，他们希望对某个策略在过去的波动时期的表现以及未来可能存在的弱点有更清晰、基于证据的看法。
方法论
我们的核心方法描述起来很简单，但执行起来要求很高。在为客户投资组合考虑任何策略之前，都会根据数十年的历史市场数据进行测试，包括重大颠覆时期。人工智能并不是用来准确地预测未来，而是用来揭示手动识别速度缓慢或不切实际的模式、相关性和风险集中度。
收集来自多个资产类别和地区的市场数据并进行标准化，以便跨时间段进行一致比较。
候选策略是根据历史市场条件运行的，包括低迷、复苏和低流动性时期。
预测模型标记出策略的历史表现可能对特定条件敏感，而不是广泛的弹性。
在提出任何建议之前，都会由人类策略师审查调查结果。模型为决策提供信息；它不会取代它。
说明性输出：模拟市场周期的策略回撤比较
仅供参考。这是回测产生的比较输出类型的表示，而不是实际客户结果的记录。
核心能力
预测分析、风险管理和实时监控通常单独出售。我们将它们视为一个单一的、连续的过程，因为仅考虑其中一个而做出的决策往往是不完整的。
预测分析
我们的模型研究资产类别、行业和策略在过去类似条件下的表现，而不是仅仅依赖最近的趋势。这为短期预测提供了长期背景，这与多代规划视野尤其相关。
风险管理
该平台不是在波动发生后才做出反应，而是在策略设计阶段标记集中风险、相关风险和流动性限制。这样可以在更长的时间内进行调整，并且每次更改背后都有更清晰的理由。
实时洞察
市场在预定的审查之间变化。该平台不断处理传入的数据，这样策略师和客户就不会使用已经过时数周或数月的信息，同时避免对每次短期波动做出反应的噪音。
透明度
对策略的信心取决于对其背后的数据和流程的信心。我们明确地阐述了我们的方法，而不是要求客户相信它。
市场数据来自成熟的金融数据提供商，并在使用前进行交叉引用。不一致或不完整的记录会被标记并从建模中排除，而不是估计或平滑。
客户信息在传输和静态时均进行加密，并根据角色限制访问。我们的系统和处理实践是根据英国数据保护要求构建的。
回溯测试的结果描述了策略在过去条件下的表现。它们是了解风险和先例的工具，而不是对未来回报的预测或保证。
应用
我们的方法适用于私人财富规划的多个领域，通常是决策周期较长且可避免错误成本较高的领域。
为战略团队提供跨多元化、多资产投资组合的历史背景和持续风险监控支持。
帮助顾问及其客户评估所提出的策略在过去的市场压力时期的表现。
提供的决策旨在持续数十年，而不是针对单一市场周期进行优化。
我们用过程而不是标题数据来描述结果：更清晰地了解风险，更早地识别集中问题，以及由记录的历史理由支持的决策。
我们经常被问到的问题
不会。这些模型识别模式、风险和历史先例。每条建议在到达客户之前都会由人类策略师进行审查，最终决定始终由客户及其顾问做出。
我们的数据跨越多个市场周期，包括显着波动和复苏的时期。使用的确切范围取决于正在评估的资产类别和策略，并作为任何详细简报的一部分进行披露。
该平台旨在根据历史类似情况及早标记异常情况，以便策略师可以审查风险并在更长的时间内采取行动，而不是事后做出反应。
客户端数据经过加密，并且基于角色的访问受到限制。我们不会出于营销或不相关的商业目的与第三方共享客户级数据。
不会。回溯测试显示了策略在历史上的表现。它提高了决策背后证据的质量，但无法消除未来的不确定性。