自由职业者的收入很少遵循稳定的曲线。 KlasterFin 的引擎经过训练可以读取这种不规则性，而不是消除它。
系统会跟踪收入和支出余额的变化，标记您的盈余变化，因此决策是基于您当前的头寸，而不是上个月的报表。
在提出任何分配建议之前，该模型会估计您的企业在交易较为平静的时期可以合理吸收的波动程度。
随着您的收入模式的变化，分配会进行小幅增量调整，而不是每次项目结束时都需要进行手动审核。
每条建议在到达您的仪表板之前都会经过回溯测试阶段。
人工智能会审查数十年的英国市场数据以及匿名自由职业收入周期，寻找以前发生过类似现金流模式的时期。
跨历史周期的说明性模式匹配
每个候选策略都会根据经过验证的历史回报进行运行，以了解其表现如何，包括在经济低迷时期，然后再将其作为建议提出。
在不同市场条件下的回溯测试表现
随着新的收入和支出数据的到来，该模型会重新检查其假设并相应调整指导，而不是依赖单一的静态预测。
随着收入数据的更新不断进行重新校准
独立顾问通常在几个集中的季度中赚取大部分年收入，然后是合同较少的较慢时期。使用 KlasterFin，他们在高峰月份留出项目盈余，让模型识别与预期非高峰期长度相一致的低风险、流动性增长机会，而不是锁定资金的时间超过缺口所需的时间。
KlasterFin 并不纯粹为了增长而优化。每项建议都会权衡获得资金的难易程度和资金所承担的风险，因为自由职业者的盈余通常需要比典型的长期投资者更快获得。
分配是根据您在合同之间提取资金的可能需要来匹配的，而不是根据固定投资期限来匹配的。
该模型根据您的历史收入波动性对短期市场波动风险敞口设置上限。
回测利用公开的历史市场记录，而不是模拟或合成的价格数据。
无论预计回报如何，系统都不建议将高波动性工具作为默认工具。
KlasterFin 是围绕一个简单的观察而构建的：大多数财务规划工具都假定工资稳定。自由职业者和顾问则没有这种奢侈，而合同之间的差距正是财务决策最重要的时候。
该平台将预测分析与风险优先框架相结合，以便您收到的指导既反映了您面前的机会，也反映了不规则收入的现实。
帐户和交易数据经过处理以生成建议，并且不会出于营销目的而出售或与第三方共享。数据仅用于运行您在帐户中请求的分析。
这些模型根据公开的历史市场数据和基于项目的收入的匿名模式进行训练。没有单独的客户数据用于为其他用户训练模型。
回溯测试显示了策略在历史上的表现，包括过去的波动时期。这是一种针对真实事件进行压力测试的方法，而不是对未来结果的承诺，并且通过持续的重新校准将当前条件考虑在内。
没有固定的最低要求。该模型会根据可用盈余的比例调整其建议，无论是适度的缓冲还是较大的季节性峰值。
KlasterFin 提供有数据支持的建议，而不是个性化的监管建议。许多用户将其视为自己决策的起点或与专业顾问交谈时的参考点。