远程收入很少与单一雇主、货币或市场挂钩。 Nihonium 旨在分析这种复杂性，在风险到达投资组合之前将数千个数据点关联起来以标记风险。
该平台不间断地从多个交易所和来源获取定价、流动性和宏观经济数据，而不是依赖定期审查。
建议的调整考虑了个人现有的持有量、收入货币和规定的回撤容忍度，而不是提供通用分配。
相关性和流动性的统计变化在出现时就会被标记出来，从而在更广泛的市场做出反应之前留出采取行动的时间。
跨受监控工具处理的波动性信号的说明性表示。
Nihonium 生成的每个推荐都可以通过相同的三个阶段进行追溯。数据和决策之间不存在随意推翻和未公开的步骤。
市场信息、宏观经济指标和流动性数据是从一组定义的来源中持续收集的，并标准化为单个结构化数据集。
经过训练的模型根据个人现有风险评估相关性、波动性聚类和尾部风险指标，并在新数据到达时更新其评估。
调查结果被转化为具体的、排序的行动，每个行动都附有基本原理注释，因此推理仍然可见而不是不透明。
以下场景描述了通常如何应用分析输出，而不假设固定结果或有保证的结果。
确定了集中于单一货币或部门的资产，并建议进行替代分配，以减少对任何一种收入流的依赖。
当相关风险在其他不相关的资产中产生时，系统会突出显示风险敞口并提出旨在减轻尾部风险的调整建议。
在市场压力较低的时期，同样的流程会根据个人规定的风险参数确定可衡量的增长机会。
Nihonium 是为收入不依赖固定办公室、雇主或市场的专业人士开发的。我们的分析框架旨在将资本保值视为首要目标，仅在该限制范围内考虑增长。
每个输出都记录了其支持数据和推理，因此用户可以查看建议背后的逻辑，而不是根据无法解释的信号采取行动。这是平台如何长期维持问责制的核心。
以下属性描述了部署给当前用户的平台的操作和安全特征。
