Lönsandör 从 500 多个交易对收集价格数据，并使用标记风险、趋势和偏差的人工智能模型对其进行连续处理。您将获得结构化的背景，而不是充满数字的屏幕。
数据集的规模使得识别手动难以看到的模式成为可能。下面描述了监控的结构。
目的是使决策的基础易于理解，而不是使其万无一失。这里解释了分析背后的逻辑。
这些模型将相同资产和类似资产的当前价格变动、交易量和波动性与历史模式进行比较。结果不是对未来的猜测，而是根据过去类似情况的发展情况进行的概率评估。
下面描述了构成分析核心的函数，以表格形式组织以便快速概览。
| 功能 | 它的作用 | 为什么这很重要 |
|---|---|---|
| 预测趋势分析 | 识别多个时间范围内历史和当前价格数据的模式。 | 提供市场方向变化的基于概率的早期指示。 |
| 每项资产的风险评分 | 根据波动性、流动性和交易量计算指标。 | 可以在做出决策之前更轻松地比较不同资产之间的风险水平。 |
| 投资组合优化 | 建议根据指定的风险承受能力和时间范围对资产进行加权。 | 降低集中风险，而无需手动重新计算份额。 |
| 偏差报警 | 与资产的正常模式相比，标记数量或价格的异常变动。 | 允许您在变化在新闻源中广泛可见之前对其做出反应。 |
| 历史比较 | 将当前市场状况与同一资产类别之前的类似发展进行比较。 | 提供背景信息来说明运动是否异常或属于重复模式的一部分。 |
模型的结果根据实际市场结果不断进行评估。预测和结果之间的偏差用于在下一个分析周期之前调整权重，以便模型逐渐适应当前的市场条件。
该工具始终从您自己指定的风险级别开始，并相应地建议权重。它不会取代您自己的决策，而是作为您自己的决策的结构化基础。
整个链条分为三个步骤，因此始终可以看到某个结论来自该过程的何处。
无论资产类型如何，价格数据、交易量和订单深度都会从所有 500 多个受监控的交易对中持续检索，并标准化为通用格式。
这些模型将传入数据与历史模式进行比较，计算风险评分并识别与资产正常行为不同的偏差。
结果以结构化建议的形式呈现，其中包含理由、风险评分和结论背后的数据点。
这是刚接触数据驱动分析的投资者最常提出的问题。
不会。分析的目的是减少信息不足决策的风险，而不是消除市场风险。每个建议都是基于基于历史模式的概率，这意味着结果永远无法保证。
该基础在各自市场的活跃交易时间内不断更新。加密货币市场受到全天候监控，而股票和货币市场则遵循正常营业时间。
不会。该平台旨在以结构化形式解释每条建议背后的原因，因此即使没有交易经验，您也可以遵循逻辑。
通过我们联系页面上的联系表格来处理支持，其中解答了有关帐户、功能和文件解释的问题。响应时间与联系方式有关。
账户详细信息和分析设置与市场数据分开存储，并根据当前的数据保护立法进行处理。更多信息可以在我们的隐私政策中找到。