Regal Fundhaven 的任何部分都不依赖于手动图表读取。下面的每个输出都可以追溯到记录的数据管道，而不是任意调用。
该模型吸收历史价格走势、波动集群和宏观指标，以在不利走势完全实现之前估计不利走势的可能性，而不是事后做出反应。
每个周期跨多个资产类别协调数以万计的数据点，这种规模需要专门的分析师团队手动复制。
随着新数据的到来，分配权重会滚动重新计算，而不是按照固定的季度或年度审查周期。
这些是人工智能已经做出的决策的历史记录。我们不发布前瞻性回报估计，下面的日志反映了已经记录的结果，可供社区审查。
Regal Fundhaven 是围绕特定约束而设计的：负责投资组合的人员并不总是坐在办公桌前。平台将需要持续关注的工作（数据处理、风险检查）与需要偶尔人为判断的工作（策略选择、退出决策）分开。
这种拆分允许监控层在您选择签入的时刻之间无人值守地运行，而不需要每天登录才能感受到控制。
阅读完整的方法论下面的序列故意简短。每个步骤都会产生下一步所依赖的状态，因此配置完成后就不会进行持续的手动切换。
通过只读凭据连接现有经纪或托管账户。该平台无需手动输入数据即可提取交易历史记录和当前持有量。
该模型根据您规定的风险参数进行初始校准，生成基线分配和记录的基本原理，您可以在激活之前查看。
上线后，系统会根据风险阈值持续检查头寸，并且仅在决策需要您签字时（例如提款请求）才会显示通知。
本节是为德国读者根据当地的披露预期评估该平台而编写的。这里没有什么可以保证结果；它描述了机制。
没有任何模型可以消除市场风险。该系统旨在在检测到波动性峰值之前减少风险敞口，而不是消除损失的可能性。
在高波动期间，头寸检查会在每个新数据变动时运行，而不是按照固定的时间表运行，因此重新加权的速度可能比标准的每日审查周期更快。
是的。风险参数可以随时编辑，并且更改会在下一个处理周期（通常在几分钟内）生效。