市场背景
首次进入市场的加拿大散户投资者通常利用滞后指标、分散的新闻来源和基于电子表格的跟踪。当手动确认信号时，基本情况已经经常发生变化。数据和决策之间的差距是可避免风险累积的地方。
AI Economic Initiative 的构建是为了通过连续的机器驱动分析而不是定期的手动审查来缩小这一差距，以便分配决策反映当前的情况，而不是上周的情况。
方法论
AI Economic Initiative 生成的每条建议都可以通过相同的顺序进行追溯：摄取、建模和独立验证。不会跳过任何步骤，并且在不经过所有三个步骤的情况下，不会有任何输出到达用户帐户。
市场反馈、监管备案和宏观经济指标是从许可数据提供商处持续收集的，并在任何建模开始之前标准化为一致的结构。
统计和机器学习模型为每项受审查的资产分配风险评分，根据当前条件权衡波动性、相关性和历史回撤模式。
在发布之前，每个输出都会与保留数据集进行交叉检查并公开记录，因此可以在事后审查推荐的准确性，而不仅仅是提前声明。
平台能力
AI Economic Initiative 中跟踪的每个资产都会分配一个持续更新的风险评分，并在新数据到达时重新计算，而不是按照固定的每日计划重新计算。分数包含了波动性、行业集中度以及与更广泛投资组合的相关性，为投资者提供了一个参考点，而不是十几个互不相关的图表。
可以设定阈值，以便分数的重大变化（而不仅仅是价格）触发审查，将注意力转移到在数学上重要的条件，而不是仅仅感觉紧急的头条新闻。
该平台根据既定的风险承受能力和时间范围，提出跨资产类别的战略配置调整，而不是个别股票的选择。建议被界定为范围，而不是绝对值，反映了任何前瞻性模型固有的不确定性。
每一个建议的重新平衡都以简单的语言包含其背后的推理，因此决定权在投资者手中，在知情的情况下做出，而不是完全自动做出的决定。
社区验证的结果
模型输出与实际结果一起发布。参赛作品不会被追溯编辑；更正后会附加时间戳，保留原始记录以供独立比较。
| 模型周期 | 预测风险范围 | 观察到的结果 | 状态 |
|---|---|---|---|
| 第一季度周期——多元化股权 | 中等 | 带内 | 已验证 |
| 第一季度周期——固定收益混合 | 低 | 带内 | 已验证 |
| 第二季度周期 — 增长分配 | 中高 | 轻微偏差，已记录 | 已验证 |
“已验证”表示记录的预测和结果均已通过与建模团队分开的独立流程与原始时间戳条目进行了协调。它并不表示对未来性能的保证。
决策支持
模型在滚动数据窗口上重新训练，并针对模型未见过的保留期进行测试。这并不能完全消除偏差，但它降低了模型仅仅记住不再适用于当前条件的过去模式的风险。
该平台利用获得许可的市场数据源、公共监管文件以及加拿大和国际公认统计机构发布的宏观经济指标。不使用专有或无法验证的数据源。
AI Economic Initiative 为自主决策提供数据驱动的分析和教育背景。它不代表客户进行交易或管理资产，并且不能替代需要注册投资顾问的建议。
结果与观察到的结果完全一致地记录在公共绩效记录中，包括与预测风险范围的偏差。这些条目仍然可见，而不是被删除，这是如何证实平台准确性声明的核心。
创建一个帐户以查看实时表现日志并根据您自己的投资组合参数运行风险评估。
查看公共绩效日志无需任何费用。随时取消帐户访问权限；您的数据不会出售给第三方。