市场数据在经过统计显着性检验之前没有什么价值。 Bawdeswell 通过分层分析框架过滤全球定价、宏观经济和情绪信号，将广泛的数据集缩小为由可衡量的信心支持的较小的头寸组。
目的是缓解风险而不是投机。每项建议都附有理由以及撤回该建议的条件。
每项建议在达到投资组合视图之前都会根据历史可靠性进行加权。
头寸规模考虑的是跨资产类别的相关风险，而不是单独的业绩。
在激活任何分配之前，都会针对历史低迷情况对情景进行压力测试。
相对于上一个报告周期的每项资产变动。
考虑的每一个输入，包括分析过程中丢弃的输入。
自上次报告以来所做的任何调整的时间戳记录。
在固定办公室外工作并不意味着要处理延迟的信息。 Bawdeswell 每 24 小时周期发布一次完整的性能报告，为远程利益相关者提供一致的参考点，无论他们从何处登录。
该模型不作为黑匣子运行。下面的每个阶段都在发布每个报告之前运行，并且每个阶段背后的逻辑在各个周期之间保持一致。
市场数据、宏观经济指标和结构化新闻源被持续收集并标准化为通用模式，因此可以直接比较不同来源的数据。
模式识别模型根据历史基线测试每个信号的统计显着性，在噪声到达推荐层之前将其丢弃。
剩余信号根据现有风险敞口和规定的风险承受能力进行加权，以产生更新的分配，并在每份每日报告发布之前进行审查。
尽管输入的权重因任务而异，但同一管道支持多种决策类别。
针对市场进入、货币敞口或资本部署的场景建模，支持无需内部研究台即可做出的决策。
整个投资组合的集中风险在实现回撤之前就被识别出来，当风险敞口超出规定的容忍度时就会发出警报。
通过传统筛选不可见的资产类别之间的关系在纳入分配审查之前会浮出水面并进行测试。
Bawdeswell 是为在固定办公室外工作时管理资本的人员开发的：跨时区工作的承包商、顾问和创始人。平台并不能取代判断。它缩小了值得做出的决策范围，并立即报告每项决策的结果。
每个模型的输出都与生成它的数据一起记录，因此可以对建议进行审查和质疑，而不是简单地信任地接受。
更多关于我们的方法以下答案涵盖了财务和运营团队在评估过程中最常提出的问题。
所有传输中的数据均使用 TLS 1.2 或更高版本进行加密，存储的记录也进行静态加密。对客户投资组合的访问仅限于经过身份验证的会话，跨帐户之间没有共享凭据。
记录的 API 允许检索投资组合数据和每日报告并将其输入外部会计或财务系统。集成使用标准 REST 身份验证，无需专有协议。
报告每 24 小时生成一次，并带有 UTC 时间戳，因此无论在哪个时区查看报告，性能都保持可比性。