How does Ivernholl determine my risk tolerance?

The model combines an initial, questionnaire-based baseline with ongoing behavioural data — how recommendations are accepted, adjusted or declined over time. The resulting score is recalculated continuously rather than fixed at onboarding.

Is this suitable for irregular, gig-economy income?

Yes. The model does not assume a fixed deposit schedule. Position sizing is recalculated against whatever capital is currently available, so variable income does not require manual recalibration each time it changes.

What data does the platform require access to?

Typically, transaction history and account-level data from connected sources, along with any market data relevant to your holdings. No data beyond what is required for risk scoring is requested.

Can I override the AI's recommendations?

Yes. Every recommendation can be adjusted or declined manually. That response is itself treated as a data point, feeding back into the variance model for future recalibration.

Data is encrypted in transit and at rest, with access restricted and logged at the process level. Security practices are reviewed as part of ongoing platform maintenance.

Does Ivernholl work for corporate, multi-mandate portfolios?

Yes. Each mandate can be scored and monitored independently within a single account, with variance limits applied per mandate rather than across the portfolio as a whole.

Ivernholl AI koncept nadzorne ploče za analizu rizika

Inteligencija rizika koju pokreće AI

AI koja automatski uči vašu toleranciju na rizik

Ivernholl analizira tržišne podatke, povijest transakcija i obrasce prihoda u stvarnom vremenu, zatim prilagođava svoje preporuke kako bi odgovarale koliko varijance zapravo možete apsorbirati - a ne generički, jednokratni rezultat rizika.

Analizirajte rizik Vidi Metodologiju

Izlaz modela uživo

Kontinuirani pregled izloženosti, praćenje varijance i pouzdanost preporuka, ponovno izračunavano kako novi podaci stižu, a ne prema fiksnom dnevnom rasporedu.

Core Engine

Jezgra prediktivnog modeliranja stvorena za kontinuirano donošenje odluka

Sustav nije statički kalkulator. Kontinuirano unosi podatke i ponovno izračunava preporuke kako se uvjeti mijenjaju, održavajući rezultate usklađenima s trenutnom, a ne povijesnom izloženošću riziku.

Unos podataka u stvarnom vremenu

Tržišni podaci, povijest transakcija i obrasci prihoda obrađuju se kontinuirano, a ne grupirani u fiksni raspored.

Ciklus ažuriranja: kontinuirano

Modeliranje varijance rizika

Preporuke se ponderiraju u odnosu na vašu uočenu toleranciju za pad, izvedenu iz ponašanja, a ne iz statičnog upitnika.

Rekalibracija: u tijeku

Adaptivni mehanizam za preporuke

Rezultati se prilagođavaju kako se mijenja vaša financijska situacija — promjena prihoda, nove obveze ili izmijenjeni kratkoročni ciljevi.

Ulazi: Više izvora

Zaključak niske latencije

Analiza se odvija blizu izvora podataka, tako da preporuke odražavaju sadašnje uvjete, a ne prethodnu završnu brojku.

Odgovor: manje od sekunde

Rukovanje podacimaKontinuirano gutanje

Model ponašanjaSamorekalibrirajući

Opseg odlukeIndividualna i razina mandata

O Platformi

Napravljeno za ljude bez pristupa institucionalnom istraživačkom stolu

Ivernholl je dizajniran oko jednostavnog ograničenja: većina pojedinačnih ulagača i stručnjaka za gig-ekonomiju nema vremena za kontinuirano praćenje tržišta, niti osoblje za upravljanje različitim mandatom rizika u odjelima.

Platforma preuzima tu funkciju praćenja. Primjenjuje istu klasu prediktivnog modeliranja koje se koristi u institucionalnim odjelima za rizik, smanjeno za rad na pojedinačnom računu ili jednom korporativnom portfelju, i automatski se prilagođava kako se okolnosti mijenjaju.

Tijek rada analize podataka Ivernholl na radnoj stanici

Učenje tolerancije na rizik

Kako model uči vašu toleranciju na rizik

Većina platformi dodjeljuje kategoriju rizika jednom, prilikom uključivanja, i ostavlja je nepromijenjenu. Ivernholl tretira toleranciju na rizik kao varijablu koja se mijenja s ponašanjem, stabilnošću prihoda i promatranim reakcijama na volatilnost.

Protok signala

Ulazni signali: transakcije, ritam prihoda, iskazane preferencije

↓ ponderirano prema

Model varijance rizika

↓ prilagođava

Preporučeno ponderiranje

↓ proizvodi

Izlaz na razini pozicije, ponovno bodovan pri svakom ažuriranju podataka

Osnovna procjenaPočetna kalibracija kombinira navedene preferencije s bilo kojim dostupnim povijesnim ponašanjem transakcije, izbjegavajući oslanjanje na jedan upitnik.
Bihevioralna kalibracijaModel promatra kako se preporuke stvarno koriste - prihvaćaju, mijenjaju ili zanemaruju - i tretira taj odgovor kao podatkovnu točku.
Prilagodba varijanceKako se ishodi akumuliraju, rezultat tolerancije se pomiče gore ili dolje, odražavajući stvarnu udobnost s smanjenjem, a ne samoprocjenu.
Kontinuirano usavršavanjePonovno kalibriranje ne prestaje nakon uključivanja. Nastavlja se sve dok je račun aktivan.

Praktični rezultat: preporuke sužavaju razinu rizika koju možete podnijeti, a ne onu koju ste jednom odabrali i možda pogrešno procijenili.

Slučajevi upotrebe

Primjenjuje se na nepravilne prihode i ovlaštene portfelje

Isti temeljni model podržava dvije različite situacije: pojedinci koji raspodjeljuju varijabilni kapital s nepunim radnim vremenom i korporativne timove koji upravljaju s nekoliko mandata rizika odjednom.

Dodatni prihod bez stalnog nadzora

Profesionalac koji se bavi ekonomijom koncerata s neredovitim tjednim primanjima raspoređuje dio raspoloživog kapitala putem Ivernholl umjesto da ručno upravlja pozicijama između poslova. Veličina doprinosa varira od tjedna do tjedna, a model prilagođava veličinu pozicije kako bi odgovarao raspoloživom kapitalu umjesto da pretpostavlja fiksni raspored depozita.

Model tretira nekonzistentni novčani tok kao poznati input, a ne rubni slučaj, smanjujući potrebu za ručnim rebalansom nakon svakog ciklusa prihoda.

Ishod: Dosljedna izloženost riziku unatoč neredovitim doprinosima

Timovi riznice upravljaju nalogima s više rizika

Tim za korporativne financije nadzire nekoliko internih portfelja, od kojih svaki ima različitu odobrenu gornju granicu rizika. Umjesto održavanja zasebnih proračunskih tablica po nalogu, Ivernholl primjenjuje ograničenja varijance specifična za mandat unutar jednog nadziranog pogleda, označavajući svaki portfelj koji odluta izvan odobrenog raspona.

Svaki se mandat boduje neovisno, tako da raspodjela s višim rizikom u jednom portfelju ne iskrivljuje izvješćivanje za konzervativniji portfelj.

Ishod: Jedan konsolidirani pogled na različite mandate rizika

Metodologija

Transparentan, korak po korak prediktivni proces

Tijek rada u nastavku opisuje kako neobrađeni podaci postaju korisna preporuka. Svaka faza se bilježi, tako da se bilo koji izlaz može pratiti do ulaza koji su ga proizveli.

01Prikupljanje podataka — podaci o tržištu, računu i ponašanju prikupljeni iz povezanih izvora.
02Normalizacija — ulazi se čiste i standardiziraju za usporedbu između izvora.
03Model Scoring — prediktivni model generira projekciju prilagođenu riziku.
04Provjera odstupanja — izlaz se provjerava prema vašem trenutnom profilu tolerancije.
05Isporuka — preporuka se pojavljuje s temeljnom razinom pouzdanosti.

Rukovanje podacima

Podaci o računu i transakcijama šifrirani su u prijenosu i mirovanju. Pristup neobrađenim podacima se bilježi i ograničava na procese koji ga zahtijevaju za rad modela.

Latencija

Preporuke se osvježavaju kako se unose novi podaci, a ne u fiksnom dnevnom ili tjednom ciklusu, tako da rezultati odražavaju trenutna, a ne zastarjela stanja.

Često postavljana pitanja

Tehnička i praktična pitanja

Kako Ivernholl određuje moju toleranciju na rizik?

Model kombinira početnu bazu temeljenu na upitniku s tekućim podacima o ponašanju - kako se preporuke prihvaćaju, prilagođavaju ili odbijaju tijekom vremena. Rezultirajući rezultat se kontinuirano ponovno izračunava umjesto da se fiksira pri ukrcavanju.

Je li to prikladno za neredovne prihode koji se ublažuju velikim brojem koncerata?

Da. Model ne pretpostavlja fiksni raspored depozita. Veličina pozicije ponovno se izračunava prema trenutno dostupnom kapitalu, tako da varijabilni prihod ne zahtijeva ručno ponovno kalibriranje svaki put kada se promijeni.

Kojim podacima platforma zahtijeva pristup?

Obično povijest transakcija i podaci na razini računa iz povezanih izvora, zajedno sa svim tržišnim podacima relevantnim za vaše posjede. Ne traže se nikakvi podaci osim onih koji su potrebni za bodovanje rizika.

Mogu li nadjačati preporuke umjetne inteligencije?

Da. Svaka preporuka se može prilagoditi ili odbiti ručno. Taj se odgovor sam po sebi tretira kao podatkovna točka koja se vraća u model varijance za buduću ponovnu kalibraciju.

Jesu li moji podaci sigurni?

Podaci su šifrirani u prijenosu i mirovanju, s ograničenim pristupom i evidentiranim na razini procesa. Sigurnosne prakse se pregledavaju kao dio tekućeg održavanja platforme.

Radi li Ivernholl za korporativne portfelje s više mandata?

Da. Svaki mandat može se bodovati i nadzirati neovisno unutar jednog računa, s ograničenjima odstupanja koja se primjenjuju po mandatu, a ne na cijelom portfelju.

Implementirajte Ivernholl da vidite svoj vlastiti profil rizika u praksi

Povežite izvor podataka i model počinje učiti iz vašeg stvarnog ponašanja transakcije, a ne iz statičnog rezultata upitnika.

Uvedite AI

Postavljanje računa obično traje nekoliko minuta; model se počinje kalibrirati od vašeg prvog povezanog izvora podataka.