建立一个保持其形状的投资组合
分配第一笔资金的新投资者在添加头寸之前使用 Kearnaval 检查持股之间的相关性，从而减少一个市场事件立即影响整个投资组合的机会。
新投资者很少会缺乏信息。价格信息、评论和预测的到来速度比任何人都能衡量的速度要快。困难不在于访问——而是从简单地填满屏幕的内容中过滤出重要的内容。
Kearnaval 不会删除数据——而是对其进行排序。该平台的模型处理与专业服务台相同数量的市场信息，然后仅提出改变决策的结论。
Kearnaval 建立在一个简单的前提之上：机构部门使用的分析工具不应仅限于机构。该平台将历史定价数据、波动性指标和行业相关性结合到一个单一的、可解释的视图中——首次投资者可以在几分钟而不是几小时内阅读该视图。
每个建议都有其自己的推理。没有什么是确定的，并且每个输出都注明了日期，以便可以根据实际发生的情况进行检查。
该平台研究多年的价格变动、交易量和行业行为，以识别价值转变之前的模式。这并不能确定地预测未来——它缩小了可能结果的范围，这与历史悠久的定量研究中使用的学科相同。
每个机会都与它之前在压力下的表现相匹配，包括回撤和恢复时间。在压力下做出的决定往往更倾向于最近的新闻而不是长期的模式；在采取立场之前根据历史校准风险可以抵消这种偏见。
建议是根据已有的内容进行权衡的，而不是孤立地看待。其目标是在一系列市场条件下建立一个投资组合，而不是一系列单独有吸引力但不相关的赌注。
Kearnaval 发出的每项建议都会在提出时记录在公共分类账上，以及平仓后的结果。日志不会进行追溯编辑。
数字反映了平台上记录的活动，并不是对未来结果的预测。账本上记录的过去表现应被视为历史证据，而不是保证。
每个建议背后的过程每次都遵循相同的四个阶段，因此结果可以追溯到其来源。
价格历史、交易量和宏观经济指标不断从公开市场源中提取、清理并与共同的时间表保持一致。
预测模型和风险模型并行处理传入的数据，每个模型都对可能的方向和波动性提出看法。
输出被整理成一个排名的候选名单，并以简单的语言而不是原始分数附加推理和风险注释。
入围名单会根据现有持股进行检查，因此最终建议会改善投资组合平衡，而不是重复敞口。
分配第一笔资金的新投资者在添加头寸之前使用 Kearnaval 检查持股之间的相关性，从而减少一个市场事件立即影响整个投资组合的机会。
对单一行业拥有大量敞口的投资者使用风险校准层来识别平衡资产，而不是直接减少原始头寸。
在首次进入市场之前，投资者会查看类似条目的历史准确性日志，以判断当前状况是否类似于过去的机会或过去的损失。