不做决定的代价
持有未分配资本并不是一个中立的决定。当通货膨胀超过传统账户的表现时，每个月的不作为就意味着购买力的真正损失，称为机会成本。
问题不在于缺乏数据，而在于处理数据的时间。一位中小企业主在数十项运营任务中审查利率、市场报告和现金预测，波动不会等到这一天结束。
Quilla Fondorio 将这种分析转移到连续处理市场信息的模型中，没有取代商人的判断，而是将他从持续监视的负担中解放出来。
方法论，而非黑箱
该过程的每个阶段都有记录，并且可以用具体术语进行解释，而无需诉诸有关人工智能的抽象承诺。
我们根据先前定义的安全和隐私协议连接市场来源以及（如果适用）客户财务信息。不得在约定范围外使用任何数据。
候选策略经过回溯测试：根据不同市场周期的历史数据进行模拟，以在提出之前衡量其行为。
该系统将结果转化为量身定制的建议，其逻辑和历史表现可见，因此最终决定权仍在雇主手中。
主要特点
预测模型识别跨资产类别和市场条件的历史绩效模式，并估计策略在类似的未来情景中的表现。这些不是绝对的预测，而是根据可验证的数据计算的概率。
每个策略都会根据其历史波动性及其在市场下跌期间的表现获得评分。我们的目标不是不惜任何代价最大化绩效，而是在寻求增长之前保留资本。
仪表板显示每个正在进行的策略的当前风险、累积绩效和波动性指标。信息不断更新，因此财务决策的主权仍然掌握在企业家手中。
证据正在过程中
我们不提供叙述的成功故事，而是提供每条建议的构建方法。任何建议都来自回溯测试，而不是直觉或对未来性能的承诺。
每个策略在被认为适合向客户展示之前都会根据多个历史市场周期（包括收缩期）进行评估。
这些模型是根据大量市场信息进行训练和验证的，这使得检测手动分析难以同时处理的模式成为可能。
每个客户的信息都按照数据最小化和限制访问的原则进行处理，并符合西班牙和欧洲的数据保护法规。
合作伙伴，而不是黑匣子
Quilla Fondorio 的诞生源于这样的理念：应用于金融的人工智能必须能够被解释，而不仅仅是展示。每个建议都附有其计算逻辑、模拟历史表现及其相关风险级别。
我们与中小企业主和私人投资者合作，他们寻求有关其流动性的明智决策，而不是基于直觉的押注。技术和人类判断之间的平衡仍然是我们设计产品的核心。
