许多中型公司在支票或隔夜账户中保留流动性储备，以便能够对市场波动做出反应。然而，那里的资本不会产生任何显着的回报，而通货膨胀和机会成本不断侵蚀实际购买力。与此同时，许多决策者回避积极的资本投资，因为他们缺乏可靠的工具来限制风险。
Fenn Zinsburg 将统计预测模型与基于规则的保护机制相结合。两个组件一起工作，而不是一个接一个地工作。
该系统处理历史和持续的市场数据，以计算价格变动的概率分布。这导致立场建议基于统计证据而不是个人意见。
与严格止损水平不同，阈值会根据波动性和市场阶段动态调整。这可以减少安静时期不必要的提前退出，并在风险明显增加时立即加强保护。
头寸评估和风险指标不断更新，而不仅仅是在固定的报告时间更新。这为决策者提供了当前情况的概况，而不是随后的总结。
该过程刻意保持易于理解，以便每项建议都可以解释。
市场、流动性和头寸数据以结构化方式汇集在一起。
预测模型计算情景和风险指标。
创建包括风险参数在内的具体行动建议。
止损系统根据风险阈值不断检查头寸。
决策和结果以易于理解的方式记录和准备。
以下场景提供了带风险控制的流动性策略如何在实践中发挥作用的示例。
公司保留部分运营资源作为季节性波动的缓冲，并希望始终能够采取行动。
投资者会在几年内积累储备，并将资本保值置于短期峰值回报之上。
Fenn Zinsburg针对的是希望根据数据而不是个人市场观察家的预测做出资本决策的企业家和投资者。重点是资本效率和风险最小化，而不是短期高点。
预测模型与止损机制的结合，旨在确保决策随时可解释、事后可追溯。
该连接是通过公司现有的账户和仓库结构进行的。无需对内部会计进行技术修改。
智能止损系统为每个头寸定义了一个与波动性相关的阈值。如果实现了这一点，仓位将自动减仓或平仓，无需等待手动批准。
没有任何模型能够准确预测市场发展。这些模型提供的概率估计可以改善决策的基础，但不能保证具体的结果。
该方法可用于较小的流动性储备和较大的流动性储备，因为风险参数是根据各自的资本结构单独定制的。
通常需要有关当前流动性结构和现有头寸的信息。系统独立获取额外的市场数据。