Moniepoint past heuristische analyse toe om marktruis uit het echte signaal te filteren. Er is geen minimale storting, dus u kunt de logica van het model testen met een verwaarloosbaar kapitaal voordat u meer investeert.
De engine verwerkt voortdurend prijs-, volume- en orderboekgegevens van de belangrijkste cryptoparen. Voordat er een aanbeveling wordt gedaan, passeren de ruwe gegevens een volatiliteitsfilter dat prijsruis op korte termijn scheidt van richtingssignalen.
Wat overblijft wordt gescoord op basis van historische patroonwegingen die zijn opgebouwd uit eerdere marktcycli. Deze score voorspelt geen exacte uitkomsten. Het rangschikt de relatieve waarschijnlijkheid, dus een positie wordt ingelijst als 'hoger vertrouwen' of 'lager vertrouwen' in plaats van gegarandeerd.
Dezelfde scorelogica werd oorspronkelijk ontwikkeld voor de screening van institutionele portefeuilles, waarbij het kapitaalrisico groot is en fouten kostbaar zijn. Door het op micro-investeringsschaal uit te voeren, wordt een studentenrekening geëvalueerd met dezelfde discipline, en niet met een vereenvoudigde versie ervan.
Omdat Moniepoint geen minimale storting instelt, zijn de kosten voor het leren hoe het model zich gedraagt, ongeacht het bedrag dat u besluit te riskeren. In dit gedeelte worden de mechanismen achter die beslissing uiteengezet.
Open een rekening en wijs elk bedrag toe dat u prettig vindt om te testen. De analyse van het model verloopt op dezelfde manier, ongeacht de positiegrootte.
Posities worden uitgedrukt als fracties van een token in plaats van hele eenheden, zodat een kleine storting nog steeds over meer dan één actief kan worden verdeeld.
Uw maximale verlies op een enkele positie is gebonden aan het bedrag dat eraan is toegewezen. Het model markeert activa met een hoge volatiliteit voordat de blootstelling toeneemt.
Elke aanbeveling van Moniepoint doorloopt dezelfde volgorde, ongeacht of de accountgrootte klein of groot is.
Prijs-, volume- en liquiditeitsgegevens worden met korte tussenpozen van meerdere beurzen gehaald om de afhankelijkheid van één enkele bron te verminderen.
Prijsschommelingen op de korte termijn, veroorzaakt door een lage liquiditeit of geïsoleerde gebeurtenissen, worden gescheiden van aanhoudende koersbewegingen.
Gefilterde gegevens worden gescoord op basis van historische patroonwegingen om een relatieve betrouwbaarheidsbeoordeling te verkrijgen, en geen koersdoel.
Scores worden vertaald naar een suggestie in eenvoudige taal met de redenering erachter, zodat de beslissing bij de gebruiker blijft.
Institutionele screeningtools en micro-investeringsaccounts voor studenten werken volgens dezelfde scorelogica. Alleen de positiegrootte verandert.
Grotere accounts gebruiken het model om snel een breed scala aan activa te screenen, waardoor een breed universum wordt beperkt tot een shortlist die een nadere handmatige beoordeling waard is.
Bewijs van efficiëntie: screening vermindert het aantal activa dat handmatig door analisten moet worden beoordeeld voordat er een beslissing wordt genomen.
Een studentenrekening met een kleine inleg krijgt dezelfde shortlistlogica, opgeschaald naar fractionele positiegroottes die overeenkomen met het beschikbare kapitaal.
Bewijs van efficiëntie: een storting van elke omvang kan worden toegewezen aan meerdere gescoorde activa in plaats van aan één enkele grote positie.
Rekeningen kunnen in de eerste plaats worden gebruikt om te observeren hoe aanbevelingen veranderen naarmate de volatiliteitsscores veranderen, waarbij de inleg wordt beschouwd als een studiemiddel in plaats van als een doelwit voor snelle winst.
Bewijs van efficiëntie: de redenering achter elke aanbeveling wordt naast de suggestie getoond en niet erachter verborgen.
Deze antwoorden zijn geschreven om specifiek te zijn over wat het model wel en niet beweert te doen.
Nee. Moniepoint produceert op gegevens gebaseerde suggesties op basis van historische patroonscores. De definitieve toewijzingsbeslissingen, inclusief het al dan niet opvolgen van een suggestie, blijven bij de gebruiker.
Plotselinge gebeurtenissen zijn voor ieder model van nature moeilijk te anticiperen. Het volatiliteitsfilter is ontworpen om ongebruikelijke prijsacties snel te signaleren en de vertrouwensscores te verlagen tijdens periodes van onstabiele gegevens, in plaats van de gebeurtenis zelf te voorspellen.
De analyse-engine werkt identiek, ongeacht de grootte van de storting. Een kleinere storting beperkt simpelweg de absolute hoeveelheid fractionele blootstelling die beschikbaar is voor de gescoorde activa.
Geen enkel investeringsplatform kan bescherming tegen verlies in volatiele activa garanderen. Gelimiteerde blootstelling per positie en fractionele grootte zijn bedoeld om te beperken hoeveel van uw inleg tegelijkertijd aan één enkel actief is blootgesteld.
Het verwijderen van een minimale storting verlaagt de kosten van het testen hoe het model zich gedraagt voordat grotere bedragen worden vastgelegd. Het is een ontwerpkeuze die gericht is op het verminderen van de barrière voor observatie, en geen signaal over het verwachte rendement.
Het is gebouwd voor gebruikers die een gestructureerd, op gegevens gebaseerd startpunt voor blootstelling aan cryptovaluta willen in plaats van een volledig geautomatiseerd handelssysteem. Het beoordelen van de redenering achter elke suggestie maakt deel uit van een goed gebruik ervan.
Omdat er geen minimale storting geldt, kost de eerste stap alleen het bedrag dat u wilt toewijzen.
Begin met datagestuurde analyse