管理与地点无关的收入的远程专业人员通常同时依赖多个交换账户和报告工具。每个数据都是孤立地呈现数据，并且手动协调它们需要花费时间，这些时间应该用于决策，而不是数据输入。
实际结果是市场状况发生变化与实际注意到并采取行动的时间之间的差距越来越大。
Prow Gewinode 连接到多个交易所和经纪数据源，并将它们标准化为一个结构化数据集。该平台不是在界面之间切换，而是对组合头寸应用单一分析引擎，因此账户之间的相关性和冲突变得可见而不是隐藏。
数据摄取持续运行，每个新的数据源都会与现有的数据进行协调，以保持准确的、当前的曝光情况。
结果：减少账户之间的手动交叉检查，并减少市场事件发生与反映在您的整体风险图中之间的延迟。
该过程特意分为三个阶段，每个阶段都有定义的输入和输出，因此结果可以追溯到其源数据。
头寸、交易和市场数据按照连续的时间表从关联的交易账户中提取，并在任何分析开始之前标准化为通用结构。
统计和机器学习模型评估历史模式和当前状况，以估计整个投资组合（而不仅仅是单个头寸）的风险调整回报情景。
模型输出被转换为具体的、排序的建议，每个建议都附有基本原理注释，因此可以在采取任何行动之前审查推理。
当模型输出表明多个持股的市场状况持续变化时，平台会标记哪些头寸正在推动转变，以及重新分配的风险调整后的影响是什么，从而允许根据单一综合视图而不是单独的交易报告做出决策。
当单独监控每个交易所时，跨账户的相关风险是一个常见的盲点。分析引擎会显示集中度和相关性风险，否则这些风险只有在损失发生后才会变得可见。
不是单独优化每个交易账户，而是针对组合投资组合生成建议，因此一个账户中的调整会考虑另一个账户中已经持有的风险敞口。
对于在德国和欧盟数据保护期望下运营的投资者，以下详细信息不带摘要地提供。
连接帐户凭据和数据根据符合 GDPR 要求的数据保护原则进行处理。数据仅用于为帐户持有人生成分析，不会与无关的第三方共享。
建议是由根据历史和当前市场数据训练的模型生成的，然后根据关联帐户的具体组成进行加权。每项建议都包含影响其主要因素的摘要。
是的。每个建议都与产生它的基础数据点和模型因素相关联，因此可以审查逻辑，而不是仅凭信任来接受。
受影响的建议将被标记为基于不完整的数据，直到提要恢复为止，而不是默默地继续使用过时的数据。
Prow Gewinode 是为那些宁愿看到一张准确的图片而不是几张部分图片的投资者而设计的。在简短的设置调用后即可提供访问权限，以确认需要连接哪些交换源。
请求平台访问入职通常包括连接您现有的交易帐户、检查当前的数据结构以及在任何持续使用之前演练初始分析输出。