我们的方法
每个支柱的存在都是为了消除投资组合决策中特定的错误来源——无论该错误来自不完整的信息、未管理的风险还是人的情绪。
该平台持续处理市场、经济和部门层面的数据，将不同的信号整合到当前状况的单一视图中，而不是延迟的快照中。
统计模型在更广泛的市场认可之前表明波动性加剧，从而允许在情况恶化之前而不是之后调整风险敞口。
每项策略在提出之前都会经过数十年的市场周期测试，因此建议基于观察到的行为，而不仅仅是预测。
关于Blackwell's
Blackwell's 是为个人和顾问打造的决策支持平台，这些个人和顾问以更长远的眼光和更低的投机容忍度管理资本。该系统不会预测头条新闻；它分析整个市场周期数据的结构模式。
每一项产出——配置调整、风险标记、再平衡说明——都是由相同的量化过程产生的，并一致应用，不会因情绪或市场噪音而产生变化。
方法论
布莱克韦尔引擎通过随机建模处理数百万个数据点——定价历史、波动性指数、宏观经济指标，以识别低波动性增长机会。我们的目标不是预测市场，而是比情绪本身更准确地描述市场。
持续收集不同资产类别的结构化和非结构化市场数据并对其进行标准化。
模型使用来自现有统计金融的技术来识别相关性和波动性模式。
每个候选策略在作为建议出现之前都会根据历史市场条件进行运行。
机构级安全
资本保全被视为首要目标，而不是次要考虑因素。在市场压力时期，该系统旨在采取防御行动——在追求进一步增长之前减少相关风险的暴露。
建议是在保值优先的基础上生成的：该模型在考虑上行潜力之前评估下行情景，反映了无法从重大损失中重建资本的投资者的优先事项。
实践中
案例一
投资组合挑战： 领取固定收入的退休人员需要稳定的回报，而不会在经济低迷时期被迫出售资产。
布莱克威尔的解决方案： 该引擎根据预计的波动性对提款计划进行建模，调整创收资产的组合，以减少在市场疲软时期强制出售的可能性。
案例二
投资组合挑战： 高净值投资者持有看似多元化的集中头寸，但在压力下会共同波动。
布莱克威尔的解决方案： 相关性分析可以识别不同资产之间隐藏的依赖关系，引擎会提出重新平衡的建议，从而减少组合风险，而无需对基础策略进行大规模更改。
常见问题
客户和投资组合数据在传输和静态时都经过加密，并且访问仅限于生成分析所需的系统。数据仅用于为其所属帐户提供建议，不会出于营销目的与第三方共享。
随着新的市场数据的出现，基础模型会被滚动审查，并按设定的时间间隔进行正式的重新训练，以反映市场结构的长期变化，而不是对短期噪音做出反应。
每条建议都与产生该建议的推理一起提出——考虑的数据输入、应用的风险评估以及建议行动的历史基础。建议旨在为决策提供信息，而不是自动执行。
算法交易系统通常执行高频交易以捕获短期价格变动。 Blackwell's 专为长期投资组合策略而构建：它分析数据以支持有关配置和风险的深思熟虑的决策，而不是自动执行交易或寻求短期收益。
加入下一代数据知情投资者的行列，在保护和增长资本方面，他们更喜欢证据而不是投机。