大量的市场和家庭数据被提炼成少量可操作的决策，每个阶段的推理都清晰可见。
历史市场行为和当前家庭数据一起建模，以预测选定时间范围内的结果。随着新数据的到来，模型会被重新训练，因此预测反映的是当前状况而不是静态假设。
投资组合的风险敞口根据既定的风险承受能力进行持续衡量。当波动性指标超出设定阈值时，系统会标记该头寸并提出调整建议，以在集中风险复合之前将其抵消。
底层基础设施会在传入数据流到达时对其进行处理，因此收入或市场状况的变化会在同一时段内更新预测，而不是一夜之间。随着数据量的增长，平台会自动优化计算负载。
每个预测及其触发的调整都记录有时间戳和结果，形成一个绩效日志，可供依赖它的家庭进行审查。
| 记录日期 | 推荐 | 地平线 | 状态 |
|---|---|---|---|
| 2024 年 1 月 3 日 | 转向固定收益再平衡 | 5年 | 履带式 |
| 2024 年 3 月 22 日 | 减少单一行业风险敞口 | 3年 | 关闭 |
| 2024 年 6 月 11 日 | 加大多元化股权配置 | 10年 | 履带式 |
| 2024 年 9 月 29 日 | 对冲货币风险 | 2年 | 关闭 |
每条记录的建议都会在其规定期限结束时根据实际市场走势进行检查，结果与原始预测一起记录，而不是在表现不佳时删除。
这是一个四阶段的流程，采用安全第一的方法构建，这样任何建议都不会在未经测试的情况下到达家庭。
账户数据、支出模式和市场动态都被纳入一个结构化数据集中，并在使用前对数据进行验证。
统计模型可识别特定于家庭目标、时间范围和现有风险的趋势和风险因素。
在向用户提供任何建议之前，将根据历史和压力测试场景运行建议的更改。
仅提出通过模拟阈值的建议，每一项都在问题发生时公开记录。
这里没有捏造的案例研究，只是平台旨在帮助的决策类别，以及每个决策的目标结果。
缴款水平和资产分配是根据目标退休日期建模的，并随着该日期的临近而逐渐调整。
目标：持续增长尽早识别单一行业、货币或资产类别的集中风险敞口，并在损失累积之前提出对冲选项。
目标：减少波动性将持有量与多元化基准进行比较，并标记资产类别或地理位置的差距以供审查。
目标：平衡曝光
Northeast 的设计围绕一个简单的约束：任何建议到达家庭的速度都不应快于其被检查的速度。预测模型连续运行，但每个输出在显示给用户之前都会经过模拟和记录。
这种方法适合家庭规划数年和数十年而不是数天，其中经过验证的稳定过程比快速信号更重要。
数据在传输过程中和静态时都经过加密，并且访问权限仅限于生成预测的系统。 Northeast 根据英国数据保护标准（包括英国 GDPR）运营，并且不会向第三方出售个人数据。
每项建议在发布时都会记录在绩效日志中，并在规定期限结束时检查其结果。这种公开审核的逻辑意味着记录不会被追溯编辑。
该平台是为管理长期储蓄和投资决策的中等收入家庭而不是专业交易者而构建的。输出结果以明确的推理和风险水平呈现，无需事先具备市场专业知识。