Lodestone Vermode izmanto atpakaļpārbaudītas mākslīgā intelekta stratēģijas, lai identificētu zema riska ieejas punktus digitālo līdzekļu klasēs, sniedzot studentiem strukturētu, vēsturisku pamatu novērtējumam, pirms tiek apsvērta jebkura pozīcija.
Lodestone Vermode bija paredzēts studentiem un agrīnajiem investoriem, kuri vēlas kvantitatīvu sākumpunktu pirms kapitāla piešķiršanas digitālajiem aktīviem. Tā vietā, lai paļautos uz noskaņojuma vai sociālo mediju signāliem, platforma apstrādā vēsturiskos tirgus datus, izmantojot paredzamos modeļus, un parāda iegūto analīzi kompaktā, lasāmā formātā.
Katra izvade ir saistīta ar dokumentētu procesu: datu ievadīšanu, modeļa vērtēšanu un vēsturisko atpakaļpārbaudi. Nekas netiek ģenerēts bez pamatā esošās datu kopas, un neviens ieteikums netiek formulēts kā garantija.
Platforma ir veidota ap trim tehniskajiem pīlāriem. Katrs no tiem attiecas uz atsevišķu lēmumu pieņemšanas procesa daļu, sākot no neapstrādātiem tirgus datiem līdz filtrētiem, ar risku pielāgotiem ieteikumiem.
Cenas, apjoma un nepastāvības dati tiek iegūti ar īsiem intervāliem un tiek izvadīti caur to pašu vērtēšanas loģiku, kas tika izmantota atpakaļpārbaudes laikā, tāpēc tiešā izvade saglabā atbilstību vēsturiskajai validācijai.
Signāli tiek salīdzināti ar vēsturisko korelāciju starp aktīviem, lai samazinātu pakļautību pozīcijām, kas iepriekš ir mainījušās lejupslīdes laikā.
Viena un tā pati modeļa loģika ir spēkā neatkarīgi no tā, vai tiek pārskatīts viens līdzeklis vai dažāds uzraudzības saraksts, ļaujot ieteikumus mērogot, neveicot manuālu katra ieraksta atkārtotu analīzi.
Lodestone Vermode nesniedz secinājumus, neparādot aiz tiem esošās darbības. Tāda pati četrpakāpju darbplūsma attiecas uz katru pārskatāmo īpašumu.
Vēsturiskie un aktuālie cenu dati, pasūtījumu grāmatas dziļums un svārstīguma metrika tiek apkopoti no publiskajiem tirgus avotiem un normalizēti kopējā formātā.
Normalizētie dati tiek nodoti caur modeļiem, kas apmācīti identificēt atkārtotus modeļus, kas vēsturiski bija pirms izmērāmas cenu kustības.
Katra modeļa izvade tiek pārbaudīta, salīdzinot ar vēsturiskajiem periodiem, kuros tas netika apmācīts, lai noskaidrotu, kā tas pats signāls būtu darbojies pagātnē.
Kā ieteikumi tiek parādīti tikai tie signāli, kas iztur atpakaļpārbaudes pārbaudi, kā arī to ģenerēšanai izmantotie riska parametri.
Kripto aktīvu cenas īsā laika posmā var strauji mainīties. Tā vietā, lai reaģētu pēc zaudējuma, modelis nosaka riska parametrus pirms pozīcijas ierosināšanas, pamatojoties uz to, kā līdzīgi iestatījumi vēsturiski izturējās.
| Parametrs | Funkcija | Pamats |
|---|---|---|
| Stop-loss slieksnis | Definē maksimālo pieļaujamo nelabvēlīgo kustību, pirms pozīcija tiek atzīmēta izejai | Atvasināts no konkrētā aktīva vēsturiskās nepastāvības |
| Ienākšanas pārliecības rādītājs | Novērtē, cik cieši pašreizējie apstākļi atbilst iepriekš pārbaudītajiem labvēlīgajiem iestatījumiem | Salīdzinājums ar vēsturisko modeļu rezultātiem |
| Pozīcijas izmēra norādījumi | Iesaka daļu no piešķirtā kapitāla, kas koriģēta, ņemot vērā aktīvu nepastāvību | Nepastāvības svērtais aprēķins, nevis fiksēti procenti |
| Korelācijas filtrs | Atzīmē aktīvus, kas vēsturiski pārvietojās kopā, samazinot koncentrēto ekspozīciju | Vairāku aktīvu vēsturiskās korelācijas dati |
Pamatmodeļi ir vienādi, taču to piemērošanas veids ir atkarīgs no izmantotā ieguldījumu stila.
Studentiem, kuriem ir mazs, diversificēts aktīvu kopums, modelis periodiski atkārtoti novērtē vēsturisko korelāciju un nepastāvību visā portfelī. Kad divi turējumi sāk attīstīties kopā tādā veidā, kas palielina negatīvo ietekmi, sistēma atzīmē pārklāšanos, lai varētu apsvērt piešķīruma korekciju.
Īsākiem novērošanas logiem modelis meklē sākotnējās apjoma un cenu uzvedības modeļu izmaiņas, kas vēsturiski ir bijušas pirms īstermiņa izmaiņām. Šie signāli tiek novērtēti, salīdzinot ar atpakaļpārbaudes arhīvu, pirms tie tiek parādīti, nevis reaģējot uz vienu cenu pieaugumu.
Katrs Lodestone Vermode ieteikums ir balstīts uz iepriekš pārbaudītu vēsturisko sniegumu un ir savienots ar noteiktiem riska parametriem, sniedzot jums strukturētu pamatu zema riska ievadīšanai pirms kapitāla piesaistīšanas.
Izveidojiet kontu