问题与方法
传统的投资组合分析通常基于季度报表和人工审核。当风险变得明显时，潜在的情况通常已经发生了变化。 Tenardship 旨在通过持续的模型驱动分析来缩小这一差距。
| 尺寸 | 传统分析 | Tenardship |
|---|---|---|
| 数据刷新率 | 每周或每月 | 连续 |
| 风险检测 | 回顾性报告 | 前瞻性得分 |
| 进入门槛 | 通常依赖资本 | 无最低存款额 |
| 决策依据 | 历史平均值 | 预测场景建模 |
当新信息到达时，数据会被摄取并重新评估，而不是按照固定的报告间隔。
在发布建议之前，会对多种市场条件下的潜在结果进行建模。
无论起始投资组合是适度的还是大量的，都适用相同的分析过程。
系统如何运作
Tenardship 背后的分析引擎将统计建模与实时数据馈送相结合。每个阶段都被设计为可检查的，因此建议始终可以追溯到产生它的数据。
市场、投资组合和宏观经济数据流被不断收集和标准化。
统计模型预测可能的结果范围，而不是依赖于单一的固定预测。
每个职位都会分配一个风险评分，该评分会随着新数据改变基本假设而更新。
在提出之前，建议的调整是根据历史和预测情景进行模拟的。
系统生成的建议附有用于生成这些建议的数据输入和假设。这样做的目的是支持明智的决策，而不是取代独立判断。
模型状态：数据管道运行状态指示器反映数据管道的运行状态，并随着新数据的处理而更新。它们并不能保证未来的表现。
关于平台
Tenardship 应用机构投资分析中常见的方法（包括预测建模和情景模拟），并使它们可用于个人家庭管理自己的长期储蓄。
该平台的目的并不是取代财务建议。它的作用是处理比家庭手动合理查看的数据量更大的数据，并以适合独立决策的格式呈现结果。
机构级投资组合分析传统上仅限于高于规定阈值的账户。无论投资组合规模如何，Tenardship 都应用相同的预测模型和风险评分，因此以适度金额开始的家庭可以使用与较大账户相同的分析过程。
透明度和监督
Tenardship 不是提供单个不透明的输出，而是记录从原始数据到推荐的路径。下面的每个步骤都会被记录下来并可供查看。
投资组合持仓和相关市场数据均已导入并带有时间戳。
检查输入的一致性并与通用数据结构对齐。
统计模型为投资组合生成一系列看似合理的结果。
产出针对多种市场情景进行压力测试。
结果与基础数据一起呈现，以供独立审查。
投资组合和身份数据在传输和静态时均进行加密，遵循金融数据处理的标准行业惯例。
数据处理的结构符合 GDPR (DSGVO) 下的欧盟数据保护原则，与德国用户相关。
如果没有公开其背后的数据点和模型假设，就不会发布任何建议。
我们经常听到的问题
这些是首次评估数据驱动的投资组合分析的家庭最常提出的问题。
不会。无论投资组合规模如何，分析过程都是相同的。这是一个经过深思熟虑的设计决定，因为许多家庭开始长期储蓄时会进行适度、定期增长的金额，而不是一次性大额储蓄。
数据在传输和存储过程中被加密，并且访问仅限于运行分析所需的系统。 Sicherheit 在处理个人财务信息方面被视为基本要求，而不是附加功能。
是的。每个输出都与用于生成它的数据输入和模型假设一起呈现，因此可以审查推理而不是相信推理。
系统产生分析和建议；它不会自动执行决策。最终决策权仍由账户持有人决定，这与平台作为决策支持工具而不是自主管理者的角色是一致的。
这些模型是围绕多年规划视野和情景分析而设计的，比短期投机交易更适合长期金融安全。
有此处未列出的问题吗？ 访问完整的常见问题解答页面。