该平台将预测建模与自动重新平衡相结合，因此决策是根据数据而不是对头条新闻的反应来决定的。
Pine Vestode 的模型每小时处理数千种工具的市场数据，识别通常在波动时期之前的模式。这让家庭有时间回顾风险，而不是在损失已经发生后做出反应。
当配置超出商定的风险范围时，系统会自动减轻漂移，将权重转移到风险较低的资产上，直到情况稳定下来。每次调整都会被记录下来并可供审查，不会对用户隐藏任意的覆盖。
Pine Vestode 不依赖不透明的信号，而是记录其流程的每个阶段，以便客户准确了解建议是如何达成的。
市场信息、基准指数和投资组合持仓不断从受监管的数据提供商处获取，并与客户账户进行核对。
机器学习模型将当前状况与历史波动事件进行比较，以检测与每个投资组合相关的新兴风险模式。
每个持有量都会根据客户规定的风险承受能力进行评分，系统会计算调整后的分配，将风险敞口保持在商定的限度内。
执行批准的调整并发送警报，总结更改、其背后的触发因素以及由此产生的投资组合风险变化。
保护资本也意味着保护其背后的信息。这些是我们坚持的标准。
所有账户和投资组合数据均使用机构级标准进行加密，与英国零售银行业使用的协议相匹配。
监控系统持续运行，冗余基础设施旨在保持风险警报不间断运行。
客户数据绝不会出于营销目的而出售或与第三方共享。访问仅限于分析所需的系统。
数据处理实践的结构符合英国 GDPR 和 FCA 对金融技术提供商的数据治理期望。
根据资本的用途，风险管理决策看起来会有所不同。以下是该平台旨在支持的三种常见场景。
当提款日期固定时，例如大学学费开始时，系统会随着日期的临近减少波动性资产的敞口，而不是在整个学期应用一揽子风险设置。
对于已经处于回撤状态的投资组合，排序风险受到密切监控，因为早期损失对收入的长期可持续性产生不成比例的影响。
当优先考虑的是保值而不是增长时，该模型会更重视资本保护，即使以减少上行空间为代价也能限制回撤。
Pine Vestode 的开发是为了让中等收入家庭能够获得通常为机构投资组合保留的持续风险监控。该平台不会尝试预测市场方向；相反，它根据每个客户规定的承受能力来衡量风险敞口，并在风险敞口超出商定的限制时采取行动。
每个建议都伴随着触发它的基础指标，因此客户可以检查推理而不是简单地信任输出。
详细了解我们的方法