近年来，金融市场的波动性以非线性的方式增加：宏观经济消息、央行决策和地缘政治冲击的频繁出现，使得人们很难区分短期噪音和真实情况的变化。
与此同时，管理储蓄的家庭发现自己面临着信息超载：报告、新闻、相互矛盾的观点。结果往往不是更好的决定，而是决定本身的不断推迟。
我们认为，当今的长期规划需要持续分析数据的支持，而不是取代家庭的判断，而是使其更加明智。
系统使用模板 预测分析，即估计不同市场情景的可能演变的统计技术，以评估投资组合在不同条件下的表现。
这是伴随着一个模块 机器学习：当市场变动并且家庭决定维持头寸、减少风险敞口或增加风险敞口时，系统会记录这一反应，并用它来随着时间的推移完善风险状况，使其更符合实际行为，而不仅仅是与初始调查问卷中声明的内容一致。
过程的透明度是该方法的一部分：家人总是可以看到使用了哪些数据以及提出建议的原因。
我们收集有关资产、时间范围和家庭目标的信息，以及已持有或正在评估的工具的相关市场数据。
该模型模拟多种市场情景，包括不利的市场情景，以估计投资组合的表现以及最大的风险来源集中在哪里。
由此产生的指示是基于家庭的具体情况而建立的，并且在任何操作变更之前始终需要您的审查。
该系统估算退休时所需的资本，并定期检查正在进行的积累计划是否仍符合该目标，并及时报告因收入或市场变化而导致的任何偏差。
当目标有明确的日期时，例如进入大学，随着截止日期的临近，该模型会逐渐减少对波动性较大的工具的敞口，从而限制了在不利时间撤资的风险。
该分析确定了家族投资组合中个别部门、货币或发行人的过度暴露，并提出逐步调整的建议，并用简单的语言解释了每项建议的原因。
许多基于人工智能的系统被视为“黑匣子”，能够产生结果而不显示生成结果的逻辑路径。我们的方法有所不同：每项建议都以可验证和可理解的语言附有导致该建议的主要因素。