大多数被动收入方法要求您要么信任陌生人，要么自己成为陌生人。 Brumzelquix 通过将技术负担置于持续训练的预测模型上，消除了这两个要求。
该平台不间断地获取定价、流动性和波动性数据。随着情况的变化，而不是按照固定的每日或每周时间表重新评估决策。
您只需定义一次风险承受能力和资本配置。从那时起，Brumzelquix 执行最终的策略，随着模型更新预测来调整风险敞口。
每个职位都受到相同的风险框架的约束。没有绕过模型的手动覆盖，这使得结果随着时间的推移保持一致和可审计。
Brumzelquix 背后的架构是在假设有一天会受到审核的情况下设计的。每个组件，从数据处理到执行，都反映了这种期望。
客户数据和交易记录在静态和传输过程中均采用与英国金融和国防基础设施一致的标准进行加密。
运营控制的结构旨在满足适用于英国监管的金融活动的披露、托管和报告期望。
Brumzelquix 决策引擎在与面向客户端的系统隔离的基础设施上运行，从而限制了任何单点故障的暴露。
下面的过程在后台持续运行。为了清楚起见，这里按顺序呈现，尽管实际上这些阶段是重叠的。
收集市场信息、定价历史和宏观经济指标并对其进行标准化，使模型能够跨资产类型和时间范围提供一致的视图。
统计模型评估当前条件下的可能结果，对近期波动性的权重高于较旧的、不太相关的数据。
在执行任何操作之前，都会根据您声明的风险承受能力检查建议的操作，充当模型和资本之间的治理层。
批准的决策无需人工干预即可执行，并且会保留每个操作背后的推理记录以供审查。
以下场景描述了 Brumzelquix 旨在支持的决策类型，而不是保证任何个人帐户的结果。
持有多元化投资组合的个人投资者设定目标风险范围。当资产之间的相关性发生变化时，Brumzelquix 会在该区间内重新平衡风险敞口，从而减少条件变化与定位变化之间的滞后。
在波动性加剧期间，该模型会减少对波动性最敏感的头寸的敞口，而不是等待预定的季度审查。
拥有盈余现金储备的小型企业使用 Brumzelquix 将闲置资本分配给波动性较低的工具，在保持流动性的同时仍能产生可衡量的回报。
即将退休的投资者配置了保守的任务，该模型优先考虑资本保值而不是激进的增长，对短期噪音的调整更加缓慢。