Moniepoint applica l'analisi euristica per filtrare il rumore del mercato dal segnale reale. Non esiste un deposito minimo, quindi puoi testare la logica del modello con un capitale trascurabile prima di impegnarne di più.
Il motore acquisisce continuamente dati su prezzo, volume e portafoglio ordini delle principali coppie di criptovalute. Prima che venga prodotta qualsiasi raccomandazione, i dati grezzi passano attraverso un filtro di volatilità che separa il rumore dei prezzi a breve termine dal segnale direzionale.
Ciò che rimane viene valutato rispetto a modelli di ponderazione storici costruiti a partire dai cicli di mercato passati. Questo punteggio non prevede risultati esatti. Classifica la probabilità relativa, quindi una posizione viene definita come "confidenza maggiore" o "confidenza minore" anziché garantita.
La stessa logica di punteggio è stata originariamente adottata per lo screening dei portafogli istituzionali, dove il capitale a rischio è elevato e gli errori sono costosi. Gestirlo su scala di microinvestimento significa che un conto studentesco viene valutato con la stessa disciplina, non con una versione semplificata della stessa.
Poiché Moniepoint non fissa un deposito minimo, il costo per apprendere come si comporta il modello dipende dall'importo che decidi di rischiare. Questa sezione analizza i meccanismi alla base di tale decisione.
Apri un conto e assegna qualsiasi somma con cui ti senti a tuo agio a testare. L'analisi del modello funziona allo stesso modo indipendentemente dalla dimensione della posizione.
Le posizioni sono espresse come frazioni di token anziché come unità intere, quindi un piccolo deposito può comunque essere distribuito su più di un asset.
La tua perdita massima su ogni singola posizione è vincolata all'importo assegnato ad essa. Il modello segnala gli asset ad alta volatilità prima che l’esposizione aumenti.
Ogni raccomandazione prodotta da Moniepoint passa attraverso la stessa sequenza, indipendentemente dal fatto che la dimensione dell'account sia piccola o grande.
I dati su prezzo, volume e liquidità vengono estratti da più borse a brevi intervalli per ridurre la dipendenza da una singola fonte.
Le oscillazioni dei prezzi a breve termine causate da scarsa liquidità o da eventi isolati sono separate dal movimento direzionale sostenuto.
I dati filtrati vengono valutati rispetto alle ponderazioni dei modelli storici per produrre una valutazione di fiducia relativa, non un obiettivo di prezzo.
I punteggi vengono tradotti in un suggerimento in linguaggio semplice con il ragionamento alla base, quindi la decisione spetta all'utente.
Gli strumenti di screening istituzionale e i conti di microinvestimento degli studenti funzionano secondo la stessa logica di punteggio. Cambia solo il dimensionamento della posizione.
Gli account più grandi utilizzano il modello per selezionare rapidamente un'ampia gamma di risorse, restringendo un ampio universo a un elenco ristretto che merita una revisione manuale più approfondita.
Prova di efficienza: lo screening riduce il numero di risorse che richiedono la revisione manuale degli analisti prima che venga presa una decisione.
Un conto studentesco con un piccolo deposito riceve la stessa logica di selezione, ridimensionata a dimensioni di posizione frazionarie che corrispondono al capitale disponibile.
Prova di efficienza: un deposito di qualsiasi dimensione può essere allocato su più asset valutati invece che su un’unica grande posizione.
I conti possono essere utilizzati principalmente per osservare come cambiano le raccomandazioni al variare dei punteggi di volatilità, trattando il deposito come uno strumento di studio piuttosto che come un obiettivo per guadagni rapidi.
Prova di efficienza: la motivazione dietro ogni raccomandazione è mostrata accanto al suggerimento, non nascosta dietro di esso.
Queste risposte sono scritte per essere specifiche su ciò che il modello fa e non pretende di fare.
No. Moniepoint produce suggerimenti supportati da dati basati sul punteggio di modelli storici. Le decisioni finali sull'allocazione, incluso se dare seguito a un suggerimento, restano di competenza dell'utente.
Gli eventi improvvisi sono, per loro natura, difficili da anticipare per qualsiasi modello. Il filtro della volatilità è progettato per segnalare rapidamente movimenti insoliti dei prezzi e ridurre i punteggi di fiducia durante periodi di dati instabili, piuttosto che per prevedere l’evento stesso.
Il motore di analisi funziona in modo identico indipendentemente dall'entità del deposito. Un deposito più piccolo limita semplicemente l’importo assoluto dell’esposizione frazionaria disponibile tra le attività valutate.
Nessuna piattaforma di investimento può garantire protezione dalla perdita di asset volatili. L'esposizione limitata per posizione e il dimensionamento frazionario sono progettati per limitare la quantità di deposito esposta a un singolo asset contemporaneamente.
La rimozione di un deposito minimo riduce il costo di testare il comportamento del modello prima di impegnare somme maggiori. Si tratta di una scelta progettuale volta a ridurre la barriera all’osservazione, non di un segnale sui rendimenti attesi.
È progettato per gli utenti che desiderano un punto di partenza strutturato e basato sui dati per l'esposizione alle criptovalute piuttosto che un sistema di trading completamente automatizzato. Rivedere il ragionamento alla base di ciascun suggerimento fa parte dell'utilizzo corretto.
Poiché non esiste un deposito minimo, il primo passaggio costa solo l'importo che scegli di stanziare.
Inizia l'analisi basata sui dati