预测人工智能旨在保护资本，而不是追逐投机
Aurelia Capital 不断分析市场数据，以在风险发生之前识别风险，为保守的投资者提供更稳定的长期增长路径，每个结果都记录在可供审查的日志中。
探索日志
公共记录
每个建议和结果都带有时间戳并发布，因此可以检查性能而不是信任。
Aurelia Capital 不断分析市场数据，以在风险发生之前识别风险，为保守的投资者提供更稳定的长期增长路径，每个结果都记录在可供审查的日志中。
探索日志每个建议和结果都带有时间戳并发布，因此可以检查性能而不是信任。
传统建议通常依赖于广泛的市场评论和历史平均值。相反，Aurelia Capital 处理结构化和非结构化数据（定价变动、经济发布、部门级信号），以在资本分配之前对下行风险的概率进行建模。
该系统围绕一个原则构建：保存第一。只有当头寸超过了为资本保护而设定的风险阈值时，才会追求增长目标，而不是相反。
这并不能消除投资的不确定性。它缩小了范围，并以简单的语言显示了每次调整背后的原因。
信号如何影响投资组合权重的说明性结构。
我们发布建议及其后续结果的运行记录。下面的摘录说明了该格式；一旦您注册访问，即可获得完整的数据集。
| 记录日期 | 仪器类 | 风险标志 | 采取的行动 | 结果审查 |
|---|---|---|---|---|
| 3月3日 | 英国后备母猪（短期） | 低 | 维持立场 | 已审核，无变化 |
| 3月11日 | 多元化收益基金 | 中等 | 暴露减少 | 风险阈值恢复 |
| 3月22日 | 蓝筹股篮子 | 低 | 重新平衡 | 在目标范围内 |
| 4月5日 | 公司债券阶梯 | 中等 | 持续时间缩短 | 波动性有限 |
显示的示例摘录用于说明日志结构。条目均注明日期、归因于模型版本，并存档以供日后审核，而不是事后编辑。
三个阶段控制着数据如何成为决策。每个阶段都旨在在谨慎比速度更重要的地方减慢系统速度。
在任何分析开始之前，市场定价、经济指标和行业数据都会被连续提取并检查其一致性。
该模型估计每种持仓的下行概率，根据当前状况对历史波动性进行加权，而不是单独依赖其中任何一个。
建议根据投资者声明的风险承受能力进行调整，资本保全优先于机会主义收益。
与我们一起工作的许多人花了几十年的时间来构建他们现在所依赖的东西。对他们来说，一年的适度、可靠的进展比一年的投机收益和随后的不确定调整更有价值。
Aurelia Capital 就是围绕这一偏好构建的。这些模型经过调整，可以尽早标记风险，并接受较小的、稳定的回报，而不是追求超大的回报。这是一种有意的权衡，而不是技术的限制。
我们相信投资者应该看到建议是如何达成的，而不是简单地被告知要相信它。
“我们的义务是展示我们的工作，而不是要求我们没有赢得的信任。” — Aurelia Capital 方法说明
Aurelia Capital 是一个数据分析和决策支持平台，面向保守投资者和为他们提供建议的专业人士。该技术支持财务决策；它不能取代独立的建议。
我们的关注点比这个领域的大多数平台都窄。该系统不是针对尽可能高的回报进行优化，而是首先将资本损失的可能性降到最低，并在该限制内追求增长。
每个模型更新、日志条目和方法注释都注明日期并保留，以便事后可以追踪决策背后的推理。
关于可靠性、数据处理以及技术能做什么和不能做什么的诚实答案。
没有任何模型可以消除不确定性。我们的目的是在预测信心下降时减少风险，而不是准确地预测结果。在波动性较大的时期，系统通常会建议较小的头寸和较短的持续时间，这些都会被记录并可供审查。
在进行任何分配之前都会应用风险限制，因此单个错误信号旨在产生有限的影响。结果，包括不利的结果，都会记录在公共日志中，而不是被忽略。
是的。每个日志条目都链接到模型版本和触发操作的风险标记，因此决策的基础不会在事后隐藏。
不会。Aurelia Capital 提供数据驱动的分析来支持决策。我们建议与合格的财务顾问讨论重大变化，特别是涉及养老金或退休收入的情况。
条目会随着每周周期采取和审核的操作而添加。历史条目一旦发布就不会更改。