退休前的提款保护
接近退休时以股票为主的投资组合面临着回报序列风险：提款前最后几年的经济衰退可能会大幅减少终生收入。
分配根据历史回撤窗口进行测试，并在回撤阶段之前进行调整，而不需要完全退出市场。
定量分析平台
使用四个十年的英国市场数据回测投资组合模型
Fruverje 对历史股票、金边债券和通胀数据应用基于规则的预测分析，让退休人员和私人投资者在投入资本之前更清楚地了解回撤风险。
请求方法概述
方法论
分析的结构如何
Fruverje 生成的每条推荐都可以追溯到五个处理阶段。如果不显示基础数据，则不会将任何内容呈现为单一概率分数。
-
01
数据摄取
英国历史股票、英国国债和通胀序列在任何模型被允许与它们进行对比之前均已标准化并检查幸存者偏差。
-
02
场景构建
记录的波动时期，包括利率冲击和金边债券重新定价事件，都是孤立的，并根据正在审查的分配进行重演。
-
03
预测建模
资产类别之间的相关性模式是使用受历史先例而非投机外推法约束的统计模型进行预测的。
-
04
回撤压力测试
每个拟议的投资组合都经过了历史上最严重的十二个月回撤测试，为资本保值计划建立了现实的门槛。
-
05
报告
结果被汇编成书面方法报告，说明所使用的数据范围、假设和限制，而不是单一的标题数字。
核心能力
预测分析和风险控制
每份报告都有四种功能，每一种功能都旨在使风险可见，而不是在综合分数后面掩盖风险。
分配
预测分配模型
股票、英国国债和现金等价物的前瞻性相关性分析，随着新数据的到来按月周期重新计算。
缓解回撤
缩减缓解引擎
投资组合敏感性是根据有记录的英国经济衰退进行评分的，包括 2008 年股市调整和 2022 年金边债券重新定价事件。
相关性
历史相关性映射
跨资产相关矩阵根据四十年记录的市场行为进行维护，并随着新数据的发布而更新。
再平衡
风险调整再平衡
仅当与目标分配的偏差超过定义的容差范围时，才建议重新平衡，以限制不必要的周转。
数据完整性
如何处理英国市场历史数据
数据来源
基础序列取自公开记录的英国股票指数、英国国债收益率数据和国家统计局通胀数据。每个数据集都带有时间戳并受版本控制，因此报告始终可以追溯到生成日期的可用数据。
回测，简单地说
自 20 世纪 80 年代中期以来，当在滚动的十年窗口中测试基本分配逻辑时，它通常显示出比所检查期间的简单的 640 个基准更低的平均回撤。回溯测试描述了策略在历史上的表现；它不保证未来的结果，并且每份报告都会说明所使用的日期范围和数据源。
安全标准
客户端数据在静态和传输过程中均经过加密。不使用个人财务信息来调整模型参数，历史市场数据与个人客户记录分开保存。
说明性回撤比较
仅供参考。反映完整方法报告中呈现的数据格式，而不是实时数据。
方法
分析工具，而不是预测引擎
Fruverje 并不声称能够预测短期市场走势。该平台的存在是为了使英国资产类别的历史行为清晰可见，以便可以根据证据而不是情绪来权衡分配决策。
报告是为那些想要了解建议背后的原因而不仅仅是接受建议的人而写的。每个数字都与用于生成该数字的数据范围和假设一起显示。
这是针对那些已经熟悉风险管理语言并希望将该语言严格应用到自己的情况的投资者。
使用场景
此分析通常应用于何处
投资者通常会选择 Fruverje 的四种情况。每个问题都通过相同的回溯测试方法来解决，应用于不同的问题。
收入减少的可持续性
领取固定收入的退休人员面临着不确定性，即给定的提款率是否能够抵御通货膨胀和市场波动。
提款情景根据历史通胀冲击进行压力测试，以建立更现实的可持续范围。
波动期间的资本保全
市场波动往往会促使人们做出由情绪而非证据驱动的反应性决策，这可能会在最糟糕的时候锁定损失。
确定何时发布再平衡建议的是定量阈值，而不是每日价格变动。
超越传统资产的多元化
集中于英国股票和英国国债的投资组合可能带有隐藏的相关风险，这种风险只有在共同经济低迷时期才会显现出来。
相关映射确定了多元化是结构性的而不是假设的。