Ränthetsen kombinuje prediktívne modely poháňané AI s protokolmi výkonu overenými komunitou, takže rozhodnutia o alokácii kapitálu môžu byť založené na overených údajoch a nie na predpokladoch.
Väčšina menších spoločností spravuje prebytočnú likviditu na základe štvrťročných odsúhlasení a pocitu duševnosti. Medzi týmito príležitosťami vznikajú alternatívne náklady: kapitál, ktorý nie je ani aktívne pracujúci, ani chránený proti volatilite. Rozhodovací materiál má čas zastarať skôr, ako sa vôbec použije.
Problémom je zriedka nedostatok údajov, ale nedostatok štruktúry na ich včasnú interpretáciu. Čím viac premenných je potrebné manuálne zvážiť, tým väčšie je riziko straty dôležitých signálov v dave.
Ränthetsen bol vyvinutý na základe jednoduchého predpokladu: odporúčania týkajúce sa alokácie kapitálu by mali byť spätne overiteľné, nie iba akceptované vopred. Platforma je preto štruktúrovaná okolo dvoch vzájomne prepojených častí – analytického nástroja, ktorý spracováva finančné údaje, a verejného denníka, ktorý ukazuje, ako dobre obstáli predchádzajúce odporúčania.
Metodika je zameraná na spoločnosti, ktoré si sami spravujú prebytočnú likviditu a ktoré sa chcú rozhodovať skôr na základe overených údajov ako individuálnych prognóz. Platforma nenahrádza finančného manažéra, ale funguje ako štruktúrovaná podpora rozhodovania v prebiehajúcej práci.
Motor spracováva veľké objemy historických a priebežných finančných údajov, aby identifikoval vzory, ktoré sú štatisticky významné, nie náhodné. Výsledkom sú odporúčania prispôsobené profilu likvidity a rizikovému rámcu každej spoločnosti.
Historické peňažné toky a trhové údaje sa kombinujú v prediktívnych modeloch, ktoré sa priebežne aktualizujú, aby identifikovali trendy skôr, ako sa prejavia v štvrťročných správach.
Algoritmická optimalizácia sa používa na vyváženie potenciálu návratnosti a expozície s jasnými limitnými hodnotami prispôsobenými apetítu spoločnosti riskovať.
Odporúčania sa priebežne upravujú podľa toho, ako prichádzajú nové údaje, čo umožňuje rozhodnutiam držať krok so zmenami v likvidite a nezaostávať za nimi.
Každé odporúčanie vygenerované platformou je označené časovou pečiatkou predtým, ako je známy výsledok. Výsledok je potom zverejnený v otvorenom denníku, kde možno v priebehu času sledovať odchýlky medzi prognózou a skutočným výsledkom.
Existujúce toky účtovníctva a likvidity sú prepojené bez toho, aby nahrádzali súčasné systémy. Na kalibráciu východiskovej polohy sa používajú historické údaje.
Prediktívny model je prispôsobený konkrétnym cieľom spoločnosti, časovému horizontu a tolerancii rizika predtým, ako sa vydajú akékoľvek odporúčania.
Odporúčania sú prezentované spolu so základným odôvodnením, aby zodpovedná osoba mohla urobiť konečné rozhodnutie úplne transparentne.
Všetky finančné údaje sú spracované v súlade s GDPR, s šifrovaním počas prenosu aj uchovávania. Zhromažďujú sa iba údaje potrebné na analýzu a spoločnosť si zachováva plnú kontrolu nad tým, ktoré zdroje sú pripojené. Žiadne údaje nie sú bez výslovného súhlasu poskytované tretím stranám.
Modely sú založené na kombinácii analýzy časových radov a strojového učenia, ktoré boli pred nasadením overené na základe historických údajov. Presnosť sa neustále testuje oproti skutočným výsledkom, a preto sa protokol výsledkov aktualizuje bez ohľadu na to, či bola predpoveď správna alebo nie.
Náklady na platformu by sa mali porovnať s nákladmi príležitosti, ktoré vznikajú, keď kapitál zostane nečinný alebo nesprávne alokovaný počas dlhších období. Pretože každé odporúčanie a jeho výsledok je zdokumentovaný vo verejnom denníku, je možné posúdiť návratnosť nákladov na základe skutočnej histórie a nie na základe predpokladov.