| 公制 | 当前值 | 趋势（30 天） | 验证 |
|---|---|---|---|
| 平均预测精度 | 84.2% | +1.3 个百分点 | 经社区验证 |
| 实时降低风险 | -31.4% | -2.1页 | 经社区验证 |
| 平均模型响应时间 | 1.8秒 | −0.2秒 | 经社区验证 |
| 公开记录的决策数量 | 12,480 | +640 | 经社区验证 |
界面的说明性预览。通过登录公共性能日志可以获得准确的历史值，该日志可由用户社区独立审核。
该模型结合了市场预测、自动化风险管理和可扩展的建议，以响应自由职业者或投资者的具体情况而不是一般情况。
机器学习模型处理历史和当前市场数据并识别可能的趋势。输出是一个概率范围，而不是明确的预测——用户总是看到模型的确定性程度。
该系统实时监控投资组合风险，并建议降低风险的具体步骤，包括对冲头寸。建议是参考提示它们的特定数据模式来解释的。
收入不均的自由职业者需要与机构投资者不同的资本配置规则。因此，该平台会根据可用资本的规模和变化来调整推荐的频率和范围。
管道被设计为三个独立的层。每一层都有定义的输入和输出，这使得可以追溯到特定推荐所基于的数据。
将市场、交易和宏观经济来源聚合到统一的数据层中，实现格式标准化并在进入模型之前删除重复项。
机器学习模型评估预期行为的相关性和偏差。结果是每个已识别模式的概率得分和置信度度量。
分数被转化为具有合理性的具体的、可操作的建议。用户决定，系统仅构建文档并将结果记录在公共日志中。
Structured Overview 的一个关键特征是将营销声明与可验证事实分开。模型发出的每条建议都会写入可公开访问的日志中，并带有时间戳和后续评估。
因此，用户社区可以将预测与实际发展进行比较，并且系统无法追溯编辑已经发布的记录。
比较的重点是收入可变的自由职业者和在没有分析团队支持的情况下做出决策的私人投资者的典型情况。
| 剧本 | 手动分析 | Structured Overview — 结构化输出 |
|---|---|---|
| 项目之间自由现金的分配 | 基于直觉和当前市场情绪的决策，通常不比较历史数据。 | 5分钟内推荐配置，有概率价差和历史类比支持。 |
| 对收入突然下降的反应 | 在压力下做出的情绪化决策，往往会延迟数天做出反应。 | 当模型检测到偏差模式时，会自动发出警报，并提出减少暴露的建议。 |
| 规划纳税期间的准备金 | 手动表格未考虑市场波动，不定期更新。 | 根据当前波动性和收入周期不断重新计算准备金。 |
| 小投资组合的多元化 | 根据一般建议进行静态布局，未考虑当前市场状况。 | 动态投资组合权重，在市场格局发生重大变化时重新计算。 |
数据根据金融应用程序的标准安全实践进行处理。对性能日志的访问是公开的且可审计的。