加密货币分配的数据分析
基于数据而非直觉的决策
Trouw Waardelatuur 将经过验证的人工智能模型与历史市场数据相结合，以确定进入加密货币市场的低风险切入点。每个策略都经过多年价格数据的提前测试，然后才作为建议向您展示。
查看策略
Trouw Waardelatuur 将经过验证的人工智能模型与历史市场数据相结合，以确定进入加密货币市场的低风险切入点。每个策略都经过多年价格数据的提前测试，然后才作为建议向您展示。
查看策略加密货币市场因新闻、情绪和短期投机而变化。对于个人投资者来说，很难区分哪些变动是结构性的，哪些是暂时的噪音。然而，这种区别决定了战略进入和冲动购买之间的区别。
Trouw Waardelatuur 充当您和噪音之间的过滤器。该平台搜索历史价格和交易量数据，寻找过去已被证明可以带来更稳定进入点的模式，并且只显示那些符合预先确定的风险标准的结果。
每项资产的长系列历史数据，用作每个模型的基础。
根据之前的市场周期识别风险增加的时期。
按策略划分的结果，按市场状况和时间框架细分。
Trouw Waardelatuur 建立在对经过验证的方法而非承诺的偏好之上。平台上出现的每个模型在发布使用之前首先会根据多个市场周期的历史数据进行测试。
这种方法故意是温和的：我们不要求保证回报，而是提供一种结构化的、经过验证的方法来在投入资本之前评估风险。这适合正在学习用有限资产进行投资并且需要透明度而不是炒作的目标群体。
无黑匣子：三个步骤共同确定切入点是否满足风险标准。
该模型收集相关加密资产的历史和当前价格、交易量和波动性数据，并补充影响先前价格走势的宏观指标。
每个策略都经过多个历史时期（包括熊市）的回溯测试，以确定该方法在不同条件下的表现。
仅将属于预定义风险限制的场景显示为建议。具有不可预测风险状况的模型不会发布。
三个组件共同决定您何时以及如何进入，基于经过验证的数据而不是市场情绪。
一旦当前市场数据与回溯测试中经过验证的模式相匹配，您就会收到包含基本推理的通知：哪些指标收敛以及场景属于哪个风险边际。
每个策略都会按市场周期显示之前的回测结果，因此您可以评估模型在市场上涨和下跌期间的表现，而不仅仅是最佳情况。
根据您的可用资本和风险偏好，该模型计算历史上导致更稳定的行动方针的资产分布，而不是集中在一个头寸。
下面的示例是基于模型 A 的回测数据的假设说明，而不是当前的承诺。过去的结果并不能保证未来。
场景： 与同一历史时期随机选择的没有模型指导的切入点相比，基于模型 A 的股份为 500 欧元。
在模拟场景中开始下注，两种变体都是相同的。
根据回测数据，在满足模型风险标准的时间进入。
在同一时期内随机选择的时间进入，没有模型指导。
本示例仅用于说明回测方法，并不取代个人投资建议。
不会。这些模型设计用于处理不同的投注规模，因此也可以在定义的风险状况内投注有限的可用金额。
每个模型都经过历史数据的测试，但没有一个模型能够准确预测市场。人工智能通过识别人类经常错过的模式来降低风险；它并不能完全消除风险。因此，每条建议都说明了相关的风险级别。
费用提前显示并在仪表板上完全可见，之后不会隐藏附加费。创建帐户后，即可获得最新的概述。