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 yapay zeka risk analizi kontrol paneli konsepti

Yapay Zeka Destekli Risk Zekası

Risk Toleransınızı Otomatik Olarak Öğrenen Yapay Zeka

Ivernholl, piyasa verilerini, işlem geçmişini ve gelir modellerini gerçek zamanlı olarak analiz eder ve ardından önerilerini, genel, tek seferlik bir risk puanına değil, gerçekte ne kadar varyansı absorbe edebileceğinize göre ayarlar.

Riski Analiz Edin Metodolojiye bakın

Canlı Model Çıktısı

Sabit bir günlük program yerine yeni veriler geldikçe yeniden hesaplanan sürekli bir maruz kalma görünümü, sapma takibi ve öneri güveni.

Çekirdek Motor

Sürekli Kararlar İçin Geliştirilmiş Tahmine Dayalı Modelleme Çekirdeği

Sistem statik bir hesap makinesi değildir. Verileri sürekli olarak alır ve koşullar değiştikçe önerileri yeniden hesaplayarak çıktıları geçmiş risklerle değil güncel risklerle uyumlu tutar.

Gerçek Zamanlı Veri Alımı

Piyasa beslemeleri, işlem geçmişleri ve gelir kalıpları, sabit bir programa göre gruplandırılmak yerine sürekli olarak işlenir.

Güncelleme döngüsü: Sürekli

Risk Varyans Modellemesi

Öneriler, statik bir anket yerine davranıştan türetilen, düşüşe yönelik gözlemlenen toleransınıza göre ağırlıklandırılır.

Yeniden kalibrasyon: Devam ediyor

Uyarlanabilir Öneri Motoru

Çıktılar, mali durumunuz değiştikçe (gelir değişikliği, yeni yükümlülükler veya kısa vadeli hedeflerdeki değişiklikler) ayarlanır.

Girişler: Çoklu kaynak

Düşük Gecikmeli Çıkarım

Analiz, veri kaynağına yakın çalışır, dolayısıyla öneriler önceki kapanış rakamından ziyade mevcut koşulları yansıtır.

Yanıt: Alt saniye

Veri İşlemeSürekli Yutma

Model DavranışıKendini Yeniden Kalibre Etme

Karar KapsamıBireysel ve Yetki Düzeyinde

Platform Hakkında

Kurumsal Araştırma Masasına Erişimi Olmayan İnsanlar için Tasarlandı

Ivernholl basit bir kısıtlama etrafında tasarlandı: çoğu bireysel yatırımcı ve esnek ekonomi profesyonelinin piyasaları sürekli olarak izlemeye zamanı yok, personel de departmanlar arasında değişen risk talimatlarını yönetecek zamana sahip değil.

Platform bu izleme işlevini devralır. Kurumsal risk masalarında kullanılan tahmine dayalı modellemenin aynı sınıfını uygular, bireysel bir hesap veya tek bir kurumsal portföy üzerinde çalışacak şekilde küçültülür ve koşullar değiştikçe otomatik olarak ayarlanır.

Bir iş istasyonunda Ivernholl veri analizi iş akışı

Risk Toleransı Öğrenimi

Model Risk Toleransınızı Nasıl Öğrenir?

Çoğu platform, ilk katılım sırasında bir risk kategorisi atar ve onu değiştirmeden bırakır. Ivernholl, risk toleransını davranış, gelir istikrarı ve dalgalanmalara karşı gözlemlenen tepkilerle birlikte hareket eden bir değişken olarak ele alır.

Sinyal Akışı

Giriş sinyalleri: işlemler, gelir temposu, belirtilen tercihler

↓ ağırlıklı

Risk varyansı modeli

↓ ayarlar

Öneri ağırlıklandırma

↓ üretir

Konum düzeyinde çıktı, her veri güncellemesinde yeniden puanlanır

Temel Değerlendirmeİlk kalibrasyon, belirtilen tercihleri mevcut herhangi bir geçmiş işlem davranışıyla birleştirerek tek bir ankete güvenmeyi ortadan kaldırır.
Davranışsal KalibrasyonModel, önerilerin gerçekte nasıl kullanıldığını (kabul edildiğini, değiştirildiğini veya göz ardı edildiğini) gözlemler ve bu yanıtı bir veri noktası olarak ele alır.
Fark AyarıSonuçlar biriktikçe, tolerans puanı yukarı veya aşağı doğru kayar ve kişinin bildirdiği bir tahmin yerine, düşüşle birlikte gerçek konforu yansıtır.
Sürekli İyileştirmeYeniden kalibrasyon, ilk katılımdan sonra durmaz. Hesap aktif kaldığı sürece devam eder.

Pratik sonuç: öneriler, bir kez seçtiğiniz ve yanlış değerlendirmiş olabileceğiniz bir risk düzeyi yerine, sürdürebileceğiniz bir risk düzeyine göre daraltılır.

Kullanım Durumları

Düzensiz Gelire ve Zorunlu Portföylere Uygulanır

Aynı temel model iki farklı durumu desteklemektedir: değişken, yarı zamanlı sermaye tahsis eden bireyler ve aynı anda birden fazla risk yetkisini yöneten kurumsal ekipler.

Tam Zamanlı İzleme Olmadan Ek Gelir

Düzensiz haftalık kazancı olan bir esnek ekonomi uzmanı, pozisyonları işler arasında manuel olarak yönetmek yerine, mevcut sermayenin bir kısmını Ivernholl aracılığıyla tahsis ediyor. Katkı büyüklüğü haftadan haftaya değişir ve model, sabit bir yatırma planı varsaymak yerine, pozisyon boyutunu mevcut sermayeyle eşleşecek şekilde ayarlar.

Model, tutarsız nakit akışını uç bir durum yerine bilinen bir girdi olarak ele alıyor ve her gelir döngüsünden sonra manuel yeniden dengeleme ihtiyacını azaltıyor.

Sonuç: Düzensiz katkılara rağmen tutarlı riske maruz kalma

Hazine Ekipleri Çoklu Risk Talimatlarını Yönetiyor

Kurumsal bir finans ekibi, her biri farklı onaylanmış risk tavanına sahip çeşitli dahili portföyleri denetler. Ivernholl, talimat başına ayrı e-tablolar tutmak yerine, izlenen tek bir görünümde yetkiye özgü sapma limitlerini uygulayarak, onaylanan aralığın dışına çıkan portföyleri işaretler.

Her görev bağımsız olarak puanlanır, dolayısıyla bir portföyde daha yüksek risk tahsisi, daha muhafazakar bir portföy için raporlamayı bozmaz.

Sonuç: Farklı risk talimatlarına ilişkin birleştirilmiş tek bir görünüm

Metodoloji

Şeffaf, Adım Adım Tahmine Dayalı Bir Süreç

Aşağıdaki iş akışı, ham verilerin nasıl kullanılabilir bir öneriye dönüştüğünü açıklamaktadır. Her aşama günlüğe kaydedilir, böylece herhangi bir çıktının onu üreten girdilere kadar izi sürülebilir.

01Veri Toplama: Bağlı kaynaklardan alınan pazar, hesap ve davranış verileri.
02Normalleştirme: Kaynaklar arasında karşılaştırma yapılabilmesi için girdiler temizlenir ve standartlaştırılır.
03Model Puanlaması — tahmine dayalı model, riske göre ayarlanmış bir projeksiyon oluşturur.
04Fark Kontrolü — çıktı mevcut tolerans profilinize göre kontrol edilir.
05Teslimat – öneri, temel güven düzeyiyle birlikte ortaya çıkar.

Veri İşleme

Hesap ve işlem verileri aktarım sırasında ve kullanımda değilken şifrelenir. Ham verilere erişim günlüğe kaydedilir ve modelin çalışması için bu verilere ihtiyaç duyan işlemlerle sınırlandırılır.

Gecikme

Öneriler sabit bir günlük veya haftalık döngü yerine yeni veriler alındıkça yenilenir, böylece çıktılar eski koşullar yerine mevcut koşulları yansıtır.

Sık Sorulan Sorular

Teknik ve Pratik Sorular

Ivernholl risk toleransımı nasıl belirler?

Model, başlangıçtaki ankete dayalı temel çizgiyi devam eden davranışsal verilerle (tavsiyelerin zaman içinde nasıl kabul edildiği, ayarlandığı veya reddedildiği) birleştirir. Ortaya çıkan puan, işe alım sırasında sabitlenmek yerine sürekli olarak yeniden hesaplanır.

Bu düzensiz, esnek ekonomi geliri için uygun mu?

Evet. Model sabit bir mevduat planı varsaymamaktadır. Pozisyon büyüklüğü mevcut sermayeye göre yeniden hesaplanır, böylece değişken gelir her değiştiğinde manuel olarak yeniden kalibrasyon gerektirmez.

Platformun hangi verilere erişmesi gerekiyor?

Tipik olarak, bağlı kaynaklardan gelen işlem geçmişi ve hesap düzeyindeki veriler ile varlıklarınızla ilgili tüm piyasa verileri. Risk puanlaması için gerekli olanın ötesinde veri talep edilmez.

Yapay zekanın önerilerini geçersiz kılabilir miyim?

Evet. Her öneri manuel olarak ayarlanabilir veya reddedilebilir. Bu yanıtın kendisi, gelecekteki yeniden kalibrasyon için varyans modeline geri bildirim sağlayan bir veri noktası olarak ele alınır.

Verilerim güvende mi?

Veriler aktarım sırasında ve kullanımda değilken şifrelenir; erişim kısıtlanır ve işlem düzeyinde günlüğe kaydedilir. Güvenlik uygulamaları devam eden platform bakımının bir parçası olarak gözden geçirilir.

Ivernholl kurumsal, çok görevli portföyler için çalışıyor mu?

Evet. Her görev, portföyün tamamı yerine görev başına uygulanan sapma limitleri ile tek bir hesapta bağımsız olarak puanlanabilir ve izlenebilir.

Uygulamada Kendi Risk Profilinizi Görmek İçin Ivernholl'i Kullanın

Bir veri kaynağı bağladığınızda model, statik bir anket sonucundan değil, gerçek işlem davranışınızdan öğrenmeye başlar.

Yapay zekayı dağıtın

Hesap kurulumu genellikle birkaç dakika sürer; model, ilk bağlı veri kaynağınızdan kalibrasyona başlar.