独立顾问可以在签订为期六个月的合同时获得稳定的收入，但三个月后，将面临一段不可预测的账单期。在此期间，关于将盈余放置在何处或储备多少流动性的决定通常是在压力下且没有历史参考框架的情况下手动做出的。
Mynqus 用系统化流程取代了一次性直觉：每项建议都是基于类似策略在可比市场条件下经过验证的表现，而不是基于乐观的预测。
Mynqus 临时决策方法的示意图。它不构成盈利预测。
Mynqus 不会生成通用建议。每个提议的策略都经过了历史序列的回溯测试，并使用响应波动性实际变化的风险模型进行了调整。
在提出策略之前，系统会根据不同时间范围内的历史市场数据执行该策略。这使得可以在高波动性和低波动性情况下估计其行为，而不是仅仅基于理论假设。
建议的暴露水平不是静态的。该模型根据用户规定的流动性期限和当前市场状况重新计算用户的风险状况，并相应调整建议的分配。
该引擎不断处理一系列市场数据，以识别相关模式，然后将其反映在发布延迟较长的传统指标中。
每个用户都定义了他们对损失的容忍度以及他们对短期流动性的需求。系统将这些参数转换为具体的分配限制，而不是一般建议。
Mynqus 没有提供匿名推荐或成功故事，而是列出了每项建议背后的逻辑流程。这允许用户评估方法，而不仅仅是结果。
该系统包含市场数据、历史表现系列和用户申报的财务参数：不规则收入、当前准备金和预期流动性期限。
这些模型识别市场数据中的相关性和重复周期，并将它们与已经在类似条件下回溯测试的策略的行为进行比较。
结果转化为流动性分配或管理的具体建议，根据用户的特定风险状况进行校准，而不是一般的市场平均值。
当一份长期合同以大量剩余金额结束时，通常的问题不仅是在哪里投资，还包括将资金占用多长时间。 Mynqus 提出基于用户自己定义的流动性范围的分配，避免分配到与其收入周期不相容的条款。
在非计费月份，优先事项从增长转向保存。当 Mynqus 的自适应风险模型从声明的数据中检测到用户即将进入可用流动性较低的时期时，它会自动减少建议的风险敞口。
自营职业者的非正规收入通常涉及分期付款和年度正规化。 Mynqus 将这些日期作为模型限制，以便投资建议考虑到相关财政期间的资本可用性需求。
Mynqus 是作为应用于财务决策的数据智能平台而开发的，特别关注独立专业人士的收入模式。在将每个策略纳入推荐系统之前，团队会优先考虑对每个策略进行历史验证。
该平台不会取代用户的标准：它提供了一个系统分析框架，可以根据更多信息做出决定。
了解更多对于具有技术标准的用户来说，信任不是通过承诺建立的，而是通过对系统如何运行的可验证的解释来建立的。
用户申报的收入、流动性期限等数据专门用于校准个人风险模型。存储基础设施在传输和静态时遵循加密原则，并且对信息的访问仅限于生成建议所严格必需的流程。
回溯测试包括将投资策略应用于历史市场数据，以观察其过去的表现。这并不能保证未来的结果，但它允许我们在考虑可行之前放弃那些在不同经济周期中表现不一致的策略。
Mynqus 提供数据驱动的分析和预测模型作为决策支持工具。每个用户对其投资决策保留最终责任，建议在情况需要时将建议与专业建议进行比较。
该模型根据市场状况和用户在其流动性参数中记录的变化不断重新计算风险状况。这不是一开始就进行一次的静态评估。
该引擎处理每个策略中考虑的工具的一系列价格、交易量和波动性指标。目标是在较慢的发布指标反映出来之前检测出可告知建议分配的模式。
访问 Mynqus 包括从一开始就查询每个策略的绩效历史记录。与您的收入数据集成不需要用户进行额外的技术配置。