Moniepoint wendet eine heuristische Analyse an, um Marktrauschen aus realen Signalen herauszufiltern. Es gibt keine Mindesteinzahlung, sodass Sie die Logik des Modells mit vernachlässigbarem Kapital testen können, bevor Sie mehr investieren.
Die Engine erfasst kontinuierlich Preis-, Volumen- und Orderbuchdaten für die wichtigsten Kryptopaare. Bevor eine Empfehlung abgegeben wird, durchlaufen die Rohdaten einen Volatilitätsfilter, der kurzfristige Preisstörungen vom Richtungssignal trennt.
Was übrig bleibt, wird anhand historischer Mustergewichtungen bewertet, die aus vergangenen Marktzyklen stammen. Diese Bewertung sagt keine genauen Ergebnisse voraus. Dabei wird die relative Wahrscheinlichkeit eingestuft, sodass eine Position als „höheres Vertrauen“ oder „geringeres Vertrauen“ und nicht als garantiert eingestuft wird.
Die gleiche Bewertungslogik wurde ursprünglich für die institutionelle Portfolioprüfung entwickelt, bei der das Risikokapital groß und Fehler kostspielig sind. Die Ausführung im Mikroinvestitionsmaßstab bedeutet, dass ein Studentenkonto mit derselben Disziplin bewertet wird und nicht mit einer vereinfachten Version davon.
Da Moniepoint keine Mindesteinzahlung festlegt, richten sich die Kosten für das Erlernen des Verhaltens des Modells nach dem Betrag, den Sie riskieren möchten. In diesem Abschnitt werden die Mechanismen hinter dieser Entscheidung erläutert.
Eröffnen Sie ein Konto und weisen Sie einen beliebigen Betrag zu, mit dem Sie testen möchten. Die Analyse des Modells läuft unabhängig von der Positionsgröße auf die gleiche Weise ab.
Positionen werden als Bruchteile eines Tokens und nicht als ganze Einheiten ausgedrückt, sodass eine kleine Einzahlung dennoch auf mehr als einen Vermögenswert verteilt werden kann.
Ihr maximaler Verlust für eine einzelne Position ist an den ihr zugewiesenen Betrag gebunden. Das Modell markiert Vermögenswerte mit hoher Volatilität, bevor das Risiko steigt.
Jede von Moniepoint erstellte Empfehlung durchläuft dieselbe Sequenz, unabhängig davon, ob die Kontogröße klein oder groß ist.
Preis-, Volumen- und Liquiditätsdaten werden in kurzen Abständen von mehreren Börsen abgerufen, um die Abhängigkeit von einer einzelnen Quelle zu verringern.
Kurzfristige Preisschwankungen, die durch geringe Liquidität oder Einzelereignisse verursacht werden, werden von nachhaltigen Richtungsbewegungen getrennt.
Gefilterte Daten werden anhand historischer Mustergewichtungen bewertet, um eine relative Konfidenzbewertung und kein Preisziel zu erstellen.
Die Ergebnisse werden mit der Begründung in einen Vorschlag in einfacher Sprache übersetzt, sodass die Entscheidung beim Benutzer verbleibt.
Institutionelle Screening-Tools und Mikroinvestitionskonten für Studenten basieren auf der gleichen Bewertungslogik. Lediglich die Positionsgröße ändert sich.
Größere Konten nutzen das Modell, um eine große Auswahl an Vermögenswerten schnell zu überprüfen und ein breites Universum auf eine Auswahlliste einzugrenzen, die eine genauere manuelle Überprüfung wert ist.
Effizienzbeweis: Durch das Screening wird die Anzahl der Assets reduziert, die eine manuelle Überprüfung durch Analysten erfordern, bevor eine Entscheidung getroffen wird.
Ein Studentenkonto mit einer kleinen Einzahlung erhält die gleiche Shortlist-Logik, skaliert auf gebrochene Positionsgrößen, die dem verfügbaren Kapital entsprechen.
Effizienzbeweis: Eine Einlage beliebiger Größe kann auf mehrere bewertete Vermögenswerte statt auf eine einzelne große Position verteilt werden.
Konten können in erster Linie dazu verwendet werden, zu beobachten, wie sich Empfehlungen ändern, wenn sich die Volatilitätswerte ändern, wobei die Einzahlung eher als Studieninstrument denn als Ziel für schnelle Gewinne betrachtet wird.
Nachweis der Effizienz: Die Begründung jeder Empfehlung wird neben dem Vorschlag angezeigt und nicht dahinter verborgen.
Diese Antworten sind so verfasst, dass sie genau angeben, was das Modell tut und was nicht.
Nein. Moniepoint erstellt datengestützte Vorschläge basierend auf historischen Musterbewertungen. Die endgültige Zuteilungsentscheidung, einschließlich der Frage, ob einem Vorschlag überhaupt Folge geleistet wird, bleibt dem Benutzer überlassen.
Plötzliche Ereignisse sind für jedes Modell naturgemäß schwer vorhersehbar. Der Volatilitätsfilter soll ungewöhnliche Preisbewegungen schnell erkennen und die Konfidenzwerte in Zeiten instabiler Daten verringern, anstatt das Ereignis selbst vorherzusagen.
Die Analyse-Engine läuft unabhängig von der Einzahlungsgröße identisch. Eine kleinere Einlage begrenzt lediglich den absoluten Betrag des Teilrisikos, der für die bewerteten Vermögenswerte verfügbar ist.
Keine Anlageplattform kann einen Schutz vor Verlusten bei volatilen Vermögenswerten garantieren. Das begrenzte Engagement pro Position und die Bruchteilsgröße sollen begrenzen, wie viel Ihrer Einlage gleichzeitig einem einzelnen Vermögenswert ausgesetzt ist.
Durch die Abschaffung einer Mindesteinzahlung sinken die Kosten für das Testen des Modellverhaltens vor der Zusage größerer Beträge. Es handelt sich um eine Designentscheidung, die darauf abzielt, die Hürde für die Beobachtung zu verringern, und nicht um ein Signal über erwartete Renditen.
Es wurde für Benutzer entwickelt, die einen strukturierten, datenbasierten Ausgangspunkt für das Krypto-Exposure statt eines vollautomatischen Handelssystems wünschen. Um die einzelnen Vorschläge sinnvoll nutzen zu können, ist es wichtig, die Gründe dafür noch einmal durchzugehen.
Da es keine Mindesteinzahlung gibt, kostet der erste Schritt nur den von Ihnen gewählten Betrag.
Beginnen Sie mit der datengesteuerten Analyse