任何想要在主要工作之外积累额外资本的人常常会在时间压力和信息不完整的情况下做出决定。价格变动、新闻和社交媒体信号产生的噪音比可操作的线索更多。
这就是 ravionexai 的用武之地：模型从大量数据中过滤出相关模式，并在提出建议之前将它们置于历史背景中。
结果并不是保证成功的预测，而是为可理解的、具有风险意识的决策提供结构化基础。
四个步骤将原始数据与经过验证的建议相结合。
来自多个来源的价格、数量和经济数据不断合并。
策略会根据历史市场周期（包括高波动时期）进行测试。
头寸规模和多元化限制是根据测试结果确定的。
您将收到一份书面的行动建议，其中包含理由和关键数据。
每个策略首先在历史数据集上开发，然后在单独的、以前未使用的时间段上进行测试。这种样本外方法降低了模型只是根据过去的数据进行调整而没有响应新的市场条件的风险。
建议始终包含对相应策略的最大历史回撤阶段的评估。建议头寸规模，以便个别信号不会给整体投资组合带来不成比例的负担。
每个模块都可以独立使用并提供独立、可理解的结果。
统计模型根据历史模式和当前数据点估计某些市场变动的可能性。
监控数据流中的相关变化被识别并以可理解的关键数据呈现，不会因手动准备而造成延迟。
建议适应存入资本量和个人风险承受能力，从较小的额外收入到较大的投资组合。
这些用例在所需时间和投资期限方面有所不同，但遵循相同的系统。
拥有现有投资组合的投资者使用 ravionexai 定期根据当前市场数据检查现有头寸，而不是仅仅依赖偶尔的新闻报道。
该平台每周对存储的资产类别进行重新评估，并突出显示与原始风险参数的偏差。
定期重新评估，而不是被动的个人决定。
任何想要在主要活动的同时系统地积累资本的人都可以使用该平台，根据风险调整后的建议，在多个资产类别之间分配可用的额外资本。
决策是有意延迟做出的：在分配发生之前收集信号，而不是对短期价格变动做出反应。
根据文件系统分配额外资本。
数据库的答案、回测的意义以及平台入门。
这些模型使用公开的市场数据，例如价格、交易量和波动率序列以及选定的宏观经济指标。所有来源都会定期检查其时事性和一致性。
回测结果显示了策略在过去的市场条件下的表现。它们是模型稳健性的指标，但不能保证未来的结果。因此，模型不断根据新数据进行验证。
注册后，您输入可用资本和风险参数。然后，该平台会生成初始建议，您在每次实施之前独立检查和批准这些建议。