事后退货 — 测试期
对数十年历史数据进行回测模拟的示意图。
对数十年历史数据进行回测模拟的示意图。
背景
一个希望在十五或二十年内保护其资产的家庭必须处理持续不断的信息流：关键利率、经济周期、资产估值、相互矛盾的宏观经济信号。这种信息密度并没有使决策变得更简单，反而常常使决策更加混乱。
无论经验如何丰富，直觉仍然会受到有据可查的偏见的影响：对最近发生的事件反应过度，在一段有利时期后过度自信，在下跌后对损失过度厌恶。这些偏见不是个人缺陷，而是人类面对不确定性时认知的结构特征。
正是这种限制，而不是简单地追求性能，证明了使用能够处理人类大脑无法同时保留的大量数据的定量方法是合理的。
我们的方法
Serein Rendévoire 围绕一个简单的信念而建立：可靠的遗产决策必须能够被解释、追踪和验证。我们的模型产生的每条建议都带有可搜索的测试历史记录，以精确的金融词汇而不是承诺来表达。
我们不建议准确地预测未来。我们建议您根据历史数据合理地预测您的决策，并明确衡量与每种情况相关的风险。
方法论
我们的模型吸收了几十年来的一系列价格、利率和宏观经济指标，涵盖了不同的市场周期——扩张、调整、停滞——以避免基于单一有利时期的任何推理。
每个考虑的策略在提出之前都会根据过去的数据进行重放。这一步骤使得测量它在真实冲击期间的表现成为可能，而不是依赖于孤立的理论模拟。
该引擎会调整建议的分配，以寻求预期回报和损失风险之间的平衡，同时考虑到每个家庭具体情况的范围和限制。
这实际上改变了什么
经过测试的场景可以在做出决策之前识别其历史波动性与家庭安全目标保持一致的资产组合。
市场数据不断更新，使算法能够标记初始假设与经济状况实际变化之间的任何重大偏差。
这些建议随着资产规模和家庭视野的变化而变化，而不需要在人生的每个阶段对策略进行彻底的改革。
数据透明
回溯测试涉及将策略应用于过去的数据，以观察它在一个时期内的表现。这种方法并不能保证未来的结果，但它使我们能够排除那些未能经受住先前危机的方法。
该模型的完整性基于一个简单的原则：如果没有经历几个不同的市场周期，包括长期的下降阶段，则不会保留任何建议。目标是消除投资过程中的情感成分，而不消除人类的最终判断。
逻辑与机会
决策是通过对历史数据进行重复测试而得出的，并明确衡量了几个周期的风险和预期回报。
决策受到最近的新闻、当时的情绪或单一市场时期的个人经历的影响。
常见问题
您提供的信息仅用于校准针对您的情况呈现的场景。它们不会出于商业目的转移给第三方，并仍托管在专用于资产分析的基础设施上。
该模型识别历史数据中的统计规律，然后在保留它们之前检查它们在几个时期内的稳定性。这不是一个确定的预测，而是基于可比较的过去发生的情况的估计。
历史测试中观察到的事后回报并不构成对未来的承诺。该工具旨在为决策提供信息，而不是取代顾问或在家中定义的目标和个人限制。