Ramure Patrimoire 结合了预测模型和风险管理协议，无需持续监督即可生成可操作的分配建议。目标不是确定地预测未来，而是根据可验证的数据构建决策。
该平台产生的每条建议都可以追溯到生成它的数据和假设。未经事先历史验证，不会部署任何策略。
这些模型处理金融新闻源和交易量，以在市场信号完全纳入价格之前检测它们。
每个策略都面临着不同的市场周期，包括修正阶段，以验证其在有利条件之外的稳健性。
校准暴露阈值以限制潜在损失的幅度，而不按比例减少潜在增益。
| 模块 | 处理延迟 | 模型精度* |
|---|---|---|
| 情感分析 | 约180毫秒 | 71.4% |
| 趋势检测 | 约240毫秒 | 68.9% |
| 风险提示 | 约 95 毫秒 | 74.2% |
*根据内部回测样本测量的准确性；未来的表现可能会有所不同。
该平台旨在限制主动监管时间，而不取消用户对其风险参数的控制。
目标回报和风险承受阈值的定义，用作每个未来建议的框架。
人工智能处理的警报会标记重大偏差，从任何时区都可以查看。
执行经过验证的调整，然后汇总在自动每周绩效报告中。
通过以下指标，可以评估策略的稳健性，而不仅仅是显示的绩效。
| 指标 | 价值 |
|---|---|
| 年化波动率 | 11.8% |
| 夏普比率 | 1.42 |
| 最大回撤 | −9.6% |
| 累计回报 | +27.3% |
该数据代表模拟的历史表现，并不能保证未来的结果。
这些答案适用于想要在设置帐户之前了解底层机制的用户。
这些模型通过整合隐含波动率的最新变化，定期重新计算权重。如果超过配置中定义的阈值，则在进行任何手动干预之前，面临风险的头寸会自动减少。
该引擎基于历史价格、交易量和结构化金融新闻源。原始数据在输入回测模型之前经过清理和标准化。
用户和计算基础设施之间的交换是端到端加密的。对链接经纪账户的访问仅限于读取和执行授权，无法从平台本身转移资金。