该过程是连续的且可审计的。每个阶段都会生成一条记录，并输入到下一个阶段，因此给定的输出始终可以追溯到其输入。
市场信息、订单深度和宏观经济发布在任何模型看到之前都已标准化为通用模式。
统计相关变量源自原始数据——波动性聚类、流动性变化、相关性漂移——并按新近度进行加权。
一组预测模型对定义的时间范围内的可能结果进行评分，每个输出都标记有置信区间。
超出预定义风险阈值的建议在到达仪表板之前会被标记或丢弃。
最终建议及其支持数据记录将未经编辑地写入每日审核日志。
发动机产生的每一个输出都会在其产生之日记录下来，与随后市场的表现无关。
每个条目包括输入数据快照、使用的模型版本以及结果输出，并带有时间戳并存储，无需追溯调整。
模型输出根据同一范围内的实际市场走势进行评分，每周汇总结果以尽早揭示漂移或退化。
当波动性或相关性超过配置的阈值时，系统会发出警报，而不是默默地调整自己的参数。
相同的底层引擎支持两个不同的受众，每个受众都使用其输出来做出不同类型的决策。
头寸规模和重新平衡建议是根据波动性调整的风险评分而不是固定的分配规则生成的，从而允许风险敞口随着条件的变化而变化。
适用于多资产投资组合，其中持有之间的相关性需要比季度审查更频繁地重新评估。
业务主管使用相同的数据层来监控部门级需求信号和定价压力，为直接交易活动之外的决策提供信息。
适合在将资金投入战略计划之前需要对市场状况有结构化了解的团队。
该系统提供了一组经过排序的选项，并附有其推理。最终的行动仍由审查仪表板的人员负责。
专为希望减少监控多个数据流的认知负担而又不想让自己参与决策的用户而设计。
我们不要求固定回报率。以下描述了如何验证模型以及披露结果的频率。
每个模型版本都会针对未经过训练的历史数据进行回溯测试，并且该测试的结果与模型的部署记录一起保留。
输入数据来自许可的市场源。提要中的任何间隙、延迟或异常都会在审核日志中进行标记，而不是默默地进行插入。
绩效总结每天发布。每周发布一次涵盖模型准确性和风险事件的综合审查。
界面故意简单。呈现的图表没有注释，因此用户自己的判断（而不是仪表板的框架）决定了结果的解释方式。
我们假设我们的用户会根据自己的记录检查这些数字。审计日志的存在是为了使检查变得简单。
