Moniepoint aplica análise heurística para filtrar o ruído do mercado a partir de sinais reais. Não há depósito mínimo, então você pode testar a lógica do modelo com um capital insignificante antes de comprometer mais.
O mecanismo ingere dados de preço, volume e carteira de pedidos nos principais pares de criptomoedas de forma contínua. Antes de qualquer recomendação ser produzida, os dados brutos passam por um filtro de volatilidade que separa o ruído dos preços de curto prazo do sinal direcional.
O que resta é pontuado em relação às ponderações de padrões históricos construídas a partir de ciclos de mercado anteriores. Esta pontuação não prevê resultados exatos. Ele classifica a probabilidade relativa, portanto, uma posição é enquadrada como “maior confiança” ou “menor confiança”, em vez de garantida.
A mesma lógica de pontuação foi originalmente construída para a triagem de carteiras institucionais, onde o capital em risco é grande e os erros são dispendiosos. Executá-lo em escala de microinvestimento significa que uma conta de estudante é avaliada com a mesma disciplina, e não com uma versão simplificada dela.
Como o Moniepoint não estabelece um depósito mínimo, o custo de aprender como o modelo se comporta é qualquer valor que você decida arriscar. Esta seção analisa a mecânica por trás dessa decisão.
Abra uma conta e aloque qualquer quantia com a qual você se sinta confortável em testar. A análise do modelo é executada da mesma forma, independentemente do tamanho da posição.
As posições são expressas como frações de um token em vez de unidades inteiras, portanto, um pequeno depósito ainda pode ser distribuído por mais de um ativo.
Sua perda máxima em qualquer posição está vinculada ao valor alocado a ela. O modelo sinaliza ativos de alta volatilidade antes que a exposição aumente.
Cada recomendação produzida pelo Moniepoint passa pela mesma sequência, seja o tamanho da conta pequeno ou grande.
Os dados de preço, volume e liquidez são extraídos de múltiplas exchanges em intervalos curtos para reduzir a dependência de qualquer fonte única.
As oscilações de preços de curto prazo causadas por baixa liquidez ou eventos isolados são separadas do movimento direcional sustentado.
Os dados filtrados são pontuados em relação às ponderações de padrões históricos para produzir uma classificação de confiança relativa, não um preço-alvo.
As pontuações são traduzidas em uma sugestão em linguagem simples com o raciocínio por trás dela, para que a decisão fique com o usuário.
As ferramentas de triagem institucional e as contas de microinvestimento estudantil funcionam com lógica de pontuação idêntica. Somente o dimensionamento da posição muda.
Contas maiores usam o modelo para selecionar rapidamente um amplo conjunto de ativos, restringindo um amplo universo a uma lista restrita que merece uma revisão manual mais detalhada.
Evidência de eficiência: a triagem reduz o número de ativos que exigem revisão manual do analista antes de uma decisão ser tomada.
Uma conta de estudante com um pequeno depósito recebe a mesma lógica de lista restrita, dimensionada para tamanhos de posição fracionária que correspondam ao capital disponível.
Evidência de eficiência: um depósito de qualquer tamanho pode ser alocado em vários ativos pontuados em vez de em uma única posição grande.
As contas podem ser utilizadas principalmente para observar como as recomendações mudam à medida que as pontuações de volatilidade mudam, tratando o depósito como uma ferramenta de estudo e não como um alvo para ganhos rápidos.
Evidência de eficiência: o raciocínio por trás de cada recomendação é mostrado ao lado da sugestão, e não escondido atrás dela.
Essas respostas são escritas para serem específicas sobre o que o modelo faz e o que não pretende fazer.
Não. Moniepoint produz sugestões baseadas em dados com base na pontuação de padrões históricos. As decisões finais de alocação, incluindo a possibilidade de agir de acordo com uma sugestão, permanecem com o usuário.
Acontecimentos repentinos são, por natureza, difíceis de prever por qualquer modelo. O filtro de volatilidade foi projetado para sinalizar rapidamente ações incomuns de preços e reduzir as pontuações de confiança durante períodos de dados instáveis, em vez de prever o evento em si.
O mecanismo de análise funciona de forma idêntica, independentemente do tamanho do depósito. Um depósito menor simplesmente limita o valor absoluto da exposição fracionária disponível entre os ativos pontuados.
Nenhuma plataforma de investimento pode garantir proteção contra perdas em ativos voláteis. A exposição limitada por posição e o dimensionamento fracionário são projetados para limitar quanto do seu depósito está exposto a qualquer ativo de uma só vez.
A remoção de um depósito mínimo reduz o custo de testar o comportamento do modelo antes de comprometer quantias maiores. É uma escolha de concepção que visa reduzir a barreira à observação e não um sinal sobre os retornos esperados.
Ele foi desenvolvido para usuários que desejam um ponto de partida estruturado e baseado em dados para exposição à criptografia, em vez de um sistema de negociação totalmente automatizado. Revisar o raciocínio por trás de cada sugestão faz parte de seu bom uso.
Como não há depósito mínimo, a primeira etapa custa apenas o valor que você decidir alocar.
Comece a análise baseada em dados