实时分析
市场、交易量和波动性数据是滚动获取的。该系统将当前状况与历史模式进行比较，以在影响投资组合价值之前检测到变化。
加密货币市场不断变化，手动风险审查通常仅限于工作时间。隔夜或周末发生的波动性事件经常得不到解决，直到头寸已经对投资组合产生不利影响。
Batu Modaltama 用连续模型监控取代了定期手动检查。该系统以固定的时间间隔重新评估投资组合风险，并标记与定义的风险阈值的偏差，而无需等待人工审核周期。
每个组件独立运行并提供综合风险评分。没有单个模型输出会在不经过完整管道的情况下触发操作。
市场、交易量和波动性数据是滚动获取的。该系统将当前状况与历史模式进行比较，以在影响投资组合价值之前检测到变化。
风险敞口限额是按资产和投资组合设定的。当头寸接近定义的阈值时，引擎会在突破限制之前建议减少或对冲。
根据固定时间表实现的性能来审查模型参数。仅在根据历史数据进行验证后，才会记录并应用调整。
每个建议都会经过四个阶段。人工监督是内置于流程中的，而不是事后添加的。
市场反馈、订单簿数据和宏观指标被收集并标准化为模型可用的单一数据结构。
预测模型评估多个时间范围内的概率加权结果，并生成一组排名的投资组合行动。
风险官会在发布执行之前审查超出预设重要性阈值的建议。
批准的操作会记录基本原理、时间戳和模型版本，从而创建可审计的决策记录。
德国的机构客户需要关于数据所在位置及其保护方式的明确答案。这些是直接解决的，而不是作为脚注。
客户投资组合数据在位于德国的基础设施内进行处理。访问权限仅限于经书面批准的指定人员。
数据处理实践的结构符合适用于在欧盟运营的金融数据处理器的 GDPR 要求。
加密数据传输、分段访问控制和连续系统日志记录支持可追溯的安全态势。
每个建议都包含促成该建议的输入因素和置信度得分。完整的模型内部结构可在数据科学团队的技术简报中获得。
初始数据集成和风险阈值配置通常需要两到四个星期，具体取决于资产类别和现有数据基础设施的数量。
是的。风险限额、波动性容忍度和干预触发因素是为每个投资组合单独配置的，并且可以随着指令的变化进行调整。