不作为的代价
对于许多德国中小型企业来说，储备资本存放在低收益账户中，无法跟上通货膨胀的步伐。与此同时，对于专门用于工资、运营或扩张的资金来说，直接市场风险被认为波动太大。
Vale Patrimanca 是针对这一特定差距而构建的：需要保持可访问和保护的资本，但不应在观望时简单地侵蚀其价值。
闲置储备金为 100,000 欧元的假设年度结果，仅供说明之用。
核心技术
每个组成部分都解决分配问题的不同部分：预测、退出纪律和现金获取。
多因素模型处理定价、交易量和宏观指标，以估计近期风险状况，告知分配权重，而不是发布投机性价格预测。
退出阈值会根据当前的波动性进行调整，而不是保持固定。该系统将最小化回撤视为主要目标，而不是次要目标。
根据您定义的流动性阈值不断评估头寸，因此可以在您的业务所需的访问窗口内释放准备金。
方法论
过程的透明度与产出同样重要。下面的序列概述了数据如何从摄取到执行，并在每个战略检查点获得您的最终批准。
市场数据、流动性深度和相关宏观经济序列被持续收集和标准化，形成模型运行的数据集。
该系统识别整个数据集中的波动性集群和相关性变化，标记历史上先于回撤风险升高的情况。
提出建议的分配和止损水平以供审查。在执行任何操作之前，您可以设置最终的战略参数，包括最大风险敞口和流动性阈值。
使用案例
制造业中小企业在大额供应商付款之间持有季节性储备。分配不是保持余额静态，而是围绕定义的访问窗口进行结构，止损参数的大小取决于公司的风险承受能力，因此日常运营不受影响。
一家服务公司为业务连续性保留了应急储备，旨在为临时通知的转型或再投资提供资金。动态止损将最大回撤保持在预先商定的范围内，因此准备金不会在需要时因市场噪音而被提取。
关于Vale Patrimanca
Vale Patrimanca 是为那些需要储备资本做更多事情而不仅仅是闲置，同时又拒绝将其视为交易账户的企业而开发的。该平台的逻辑是结构化的，因此每个自动推荐仍然受到业务本身定义的参数的约束。
常见问题解答
数据根据适用于在欧盟运营的企业的 GDPR 要求进行处理，并对传输中和静态的数据进行加密。帐户级数据的访问仅限于操作平台所需的系统和人员。
预测模型依赖于记录的统计方法，包括波动性聚类和多因素回归，而不是未公开的黑盒逻辑。在入职期间可根据要求提供方法摘要。
集成是通过标准 API 连接和可导出的报告格式进行处理的，无需更改核心会计系统即可与现有财务工作流程进行协调。
止损阈值根据当前波动性不断重新计算，而不是在开户时固定。这意味着退出逻辑适应不断变化的条件，而不是依赖于静态规则集。