在固定办公室之外运作的投资者仍然面临着与交易大厅内相同的决策量，但与数据源、办公桌或同事的距离却不同。为高接触性经纪服务建立的费用结构在这一距离之上增加了第二层侵蚀。
手动查看多个市场的头寸会消耗时间，而移动日程安排无法很好地扩展。当在航班、时区和连接差距之间做出决策时，市场事件和经过深思熟虑的响应之间的延迟往往会扩大而不是缩小。
与此同时，基于百分比的佣金和点差加价对投资者不利，而不是对他们有利。从多年的角度来看，费用拖累可能会导致放弃复利的很大一部分，而与市场表现无关。
| 因素 | 传统券商 | Quernmore |
|---|---|---|
| 交易费用 | 基于佣金和点差 | 0% 被平台保留 |
| 分析节奏 | 有计划、依赖办公桌 | 连续、模型驱动 |
| 可用性 | 市场交易时间，区域 | 可跨时区访问 |
| 决策输入 | 人工审核 | 人工签核的预测评分 |
Quernmore 摄取结构化和非结构化市场数据，根据针对风险调整结果训练的预测模型对其进行评分，并显示排名建议而不是原始数据转储。
市场反馈、订单流信号和宏观指标是连续处理的，而不是按照固定的报告时间表进行处理，从而减少了变化和洞察之间的滞后。
建立模型是为了估计远期价格变动的概率和幅度，生成置信度排名视图而不是单个二元信号。
每项建议都带有相关的风险敞口和回撤估计，因此规模决策先考虑下行，再考虑上行。
头寸是整体评估的，而不是孤立评估的，因此跨工具的相关风险暴露在成为集中风险之前就被识别出来。
Quernmore 的设计围绕一个简单的前提：投资决策的质量不应取决于决策者是否位于金融中心或远离金融中心的多个时区。该平台集中数据分析，以便通过监督（而不是位置）来推动结果。
Quernmore 不是取代判断，而是压缩数据到达和提出考虑的选项之间的时间，将最终的决定留给负责人。
了解有关 Quernmore 的更多信息
Quernmore 对执行的交易不收取佣金、点差加价或绩效费。无论模型和你的判断共同产生的阿尔法都保留在帐户中，可用于再投资，而不是转移到费用表中。
在长期持有期间，由于没有经常性费用拖累，每年的复利基数都会发生变化。这种效应是结构性的而非偶然的：它同样适用于平淡、上涨和下跌的市场。
上图说明了费用结构的典型表现，并非实际回报的预测或绩效的保证。
每项建议在到达帐户持有人之前都会经过固定的检查顺序。该序列旨在过滤噪声和仅清除已定义风险阈值的表面位置。
价格、数量和宏观数据流是从互联来源持续收集的。
该模型为每个受审查的工具分配概率加权前景。
超过规定的回撤或风险敞口限额的头寸在交割前会被标记或排除。
账户持有人审查排名推荐并保留采取或拒绝的最终权力。
这些场景描述了不在固定地点运营的投资者通常如何使用该平台。
在多个交易所持有头寸的投资者使用聚合视图来监控相关风险，而无需在不同的平台之间切换。
在基地之间的过渡期间，建议和风险标记会继续更新，无需更换经纪人或重新入职。
当访问间歇性时，会话状态和排队的建议将被保留，因此可以在不丢失上下文的情况下恢复审核。
连接的数据源会被持续轮询，并且建议会随着新信息的处理而更新，而不是按照固定的每日计划进行更新。确切的刷新间隔取决于数据源和仪器类型。
Quernmore 不对通过平台执行的交易收取佣金、点差加价或绩效费。收入是通过账户级服务安排而不是每笔交易费用产生的。
建议是咨询性的。每次执行都需要账户持有人的明确确认；除非已商定单独的授权，否则该模型不会自主进行交易。
对帐户数据的访问仅限于经过身份验证的会话，并且会记录模型输入以进行跟踪。具体的基础设施详细信息是在入职期间提供的，而不是一般发布的。
该平台旨在保留登录之间的会话和推荐状态，因此离线期间不需要审核即可从零重新开始。