任何想要以兼职方式实现资本多元化的人通常都会面临大量相互矛盾的信号：新闻、技术指标、交易量变化和宏观经济事件以不同的速度并行变化。手动评估在这里有明显的局限性。
该系统将历史模式与持续的市场数据相结合，并提供结构化评估，而不是一揽子购买建议。这些模型会根据新数据不断重新调整。
来自不同资产类别的 500 多个交易对受到并行监控，以减少个别市场造成的扭曲。
价格、交易量和新闻数据不断流动，因此分析反映的是市场的当前状态，而不是昨天。
预测模型识别重复出现的市场模式并为其分配历史发生概率。
评估考虑了交易对之间的相关性，以便使投资组合中的集群风险可见。
技术基础是由根据大量历史和当前市场数据训练的统计模型形成的。结果是概率陈述，而不是保证。
每个分析步骤都被记录下来并可以在事后检查。目标是数据来源和处理的透明度，而不是不透明的黑匣子结果。
价格数据、订单深度和相关新闻来源通过各种市场界面持续记录并检查一致性。
随着时间的推移输入数据点的简化表示。
统计模型将当前模式与历史趋势进行比较，并使用它们来计算不同市场情景的概率。
跨多个数据段的映射模式匹配。
结果被转化为可理解的关键数据和场景，作为您自己的投资决策的基础 - 而不是自动订单。
将单个信号浓缩为整体评估。
以下示例展示了如何在工作投资者的日常生活中使用这些分析。它们不会取代个人建议，而是为您自己的决策提供结构化基础。
时间预算有限的专业人士使用每周市场概览来将头寸分散到多个不相关的交易对中，而不是依赖个别趋势。
投资者将现有头寸与当前相关性和波动性值进行比较，以便及早识别集群风险并采取有针对性的应对措施。
如果出现异常的价格波动，分析会提供历史比较值，以便决策不仅仅基于当前的头条新闻。
我们披露分析的基础是什么以及它们的局限性，而不是一揽子成功的承诺。
这些模型统计评估历史和当前的市场数据，并得出不同场景的概率。评估中清楚地记录了基本逻辑。
处理可公开访问的市场数据以及来自已建立交易场所的结构化数据源。可根据要求提供所用数据类别的概述。
访问数据和用户信息均被加密存储，并且仅针对平台的运营进行处理。有关数据处理的详细信息可以在我们的数据保护信息中找到。
不会。评估支持您自己的决定，但不能取代个人财务或投资建议，也不代表法律意义上的投资建议。