For the purposes of realizing efficiency that cannot be
achieved by competitors, the project uses more complex
technologies than other standard solutions for building
neural systems. All algorithms of the basic core of the project
are developed by the creators themselves.
The idea that neural systems are absolute, impenetrable
"black boxes" is mythologized. Therefore, by understanding
exactly what technologies are used to achieve analysis goals, 
overloaded "boxed" solutions can be optimized. This was
done in the project.
The algorithm of simple regression analysis of prices (model
William Sharpe/Harry Markowitz - Nobel laureates) does
not lead to the required efficiency. Therefore, the project
uses the "complex" model when weighting factors and the
algorithms of simple regression analysis of prices change
depending on the "field," formed by the regression
assessment of other economic parameters.
The William Sharpe/Harry Markowitz model is unacceptably
simplified precisely because it is very resource-intensive.
This is particularly true when it comes to the hundreds of
asset names around the world for the diversification needed
in this model. If we consider applying a straight-line
approach to the assessment of dozens or even hundreds of
additional macroeconomic parameters of each of the dozens
of different countries (and today it is clear that the world
economy is interrelated), we are talking either about
supercomputers and very expensive neural models, or about
building a fundamentally new economic model for the AI
core.
In this project, the regression evaluation of higher-order
macroeconomic indicators "guides" all subsequent lower-
order models. Resource issue resolved.

Afin de réaliser une efficacité qui ne peut être atteinte par les concurrents, le projet utilise des technologies plus complexes que d'autres solutions standard pour la construction de systèmes neuronaux. Tous les algorithmes du noyau de base du projet sont développés par les créateurs eux-mêmes. L'idée que les systèmes neuronaux sont des "boîtes noires" absolues et impénétrables est mythifiée. Par conséquent, en comprenant exactement quelles technologies sont utilisées pour atteindre les objectifs d'analyse, des solutions « en boîte » surchargées peuvent être optimisées. Cela a été fait dans le projet. L'algorithme d'analyse de régression simple des prix (modèle William Sharpe/Harry Markowitz - lauréats du prix Nobel) ne conduit pas à l'efficacité requise. Par conséquent, le projet utilise le modèle "complexe" lorsque les facteurs de pondération et les algorithmes d'analyse de régression simple des prix changent en fonction du "champ", formé par l'évaluation de régression d'autres paramètres économiques. Le modèle William Sharpe/Harry Markowitz est simplifié de manière inacceptable précisément parce qu'il est très gourmand en ressources. Cela est particulièrement vrai lorsqu'il s'agit des centaines de noms d'actifs à travers le monde pour la diversification nécessaire dans ce modèle. Si l'on envisage d'appliquer une approche linéaire à l'évaluation de dizaines, voire de centaines de paramètres macroéconomiques supplémentaires de chacun des dizaines de pays différents (et aujourd'hui, il est clair que l'économie mondiale est interdépendante), on parle soit de supercalculateurs et modèles neuronaux très coûteux, ou sur la construction d'un modèle économique fondamentalement nouveau pour le cœur de l'IA. Dans ce projet, l'évaluation par régression des indicateurs macroéconomiques d'ordre supérieur « guide » tous les modèles ultérieurs d'ordre inférieur. Problème de ressource résolu.

The core of the system carries out a structured collection
from open sources and multi-threaded parallel analysis of
information; it regulates the application of basic algorithms
and rules for changing these algorithms that change the
purpose of the task. (Intermediate goal setting is one of the
elements of "strong AI). One of the tasks is to assess market
trends, as well as market and interest rate risk. Changes in
the algorithm of actions depend on the macroeconomic
information received from the outside. It translates
notoriously weakly formalized parameters into specific
decisions on the formation of investment portfolios and
issues orders to brokers to purchase, rebalance, or sell assets
in stock exchanges. The macroeconomics unit is an
autonomous system that generates indicators of time
periods and geographical areas with different weights of
investment potential.

Le cœur du système effectue une collecte structurée à partir de sources ouvertes et une analyse parallèle multithread des informations ; il réglemente l'application des algorithmes de base et des règles de modification de ces algorithmes qui modifient le but de la tâche. (La fixation d'objectifs intermédiaires est l'un des éléments d'une "IA forte). L'une des tâches consiste à évaluer les tendances du marché, ainsi que le risque de marché et de taux d'intérêt. Les changements dans l'algorithme d'actions dépendent des informations macroéconomiques reçues de l'extérieur. Elle traduit des paramètres notoirement peu formalisés en décisions précises sur la constitution de portefeuilles d'investissement et donne des ordres aux courtiers pour acheter, rééquilibrer ou vendre des actifs en bourse.La cellule de macroéconomie est un système autonome qui génère des indicateurs de périodes et de zones géographiques avec différentes poids du potentiel d'investissement.

Finance advising and asset management with AI