Dane dotyczące rynku kryptowalut analizowane przez sztuczną inteligencję, codziennie przeglądane i publicznie logowane
Raven Stakevault łączy modelowanie predykcyjne z opublikowanym zapisem wyników, dzięki czemu można ocenić uzasadnienie każdej rekomendacji, zamiast polegać na obiecanym zysku.
Jak model osiąga rekomendację
Proces jest celowo wielowarstwowy, tak aby żaden pojedynczy punkt danych lub sygnał nie mógł sam w sobie dyktować wyniku. Każdy etap zawęża zbiór danych, zanim będzie można wpłynąć na decyzję.
Ciągła agregacja danych
Dane rynkowe, sieciowe i makroekonomiczne są pobierane w sposób ciągły, a nie w stałych odstępach czasu, co zmniejsza ryzyko działania na podstawie pojedynczego, przestarzałego obrazu stanu w okresach niestabilności.
- Głębokość księgi zleceń giełdowych
- Wolumen transakcji w łańcuchu
- Wskaźniki makroekonomiczne (stawki, indeksy walutowe)
- Historyczne szeregi zmienności
Statystyczna redukcja szumów
Krótkoterminowe skoki cen i anomalie związane z rzadkim obrotem są oznaczane i zmniejszane, zanim zbiór danych dotrze do warstwy prognozowania. Ten etap ma na celu uniemożliwienie pomylenia szumu wywołanego nastrojami z prawdziwym trendem.
Prognozowanie ważone ryzykiem
Pozostałe sygnały są przepuszczane przez modele, które przypisują każdemu projekcji przedział ufności, a nie ocenę jednopunktową. Dane wyjściowe o niższym poziomie ufności są oznaczone jako takie i przypisane do wszelkich wynikowych rekomendacji.
Sprawdzone, zanim trafią do dziennika
Zanim jakakolwiek rekomendacja zostanie zarejestrowana w publicznym dzienniku wyników, jest ona sprawdzana pod kątem poziomu ufności określonego w modelu i bieżących progów ryzyka. Wyniki wykraczające poza uzgodnione parametry są mimo wszystko wstrzymywane, a nie publikowane.
Zawierające ekspozycję przed zajęciem pozycji, a nie po
Modele predykcyjne to tylko połowa podejścia. Druga połowa to zestaw stałych ograniczeń, które ograniczają, jak daleko pojedyncza rekomendacja może przesunąć portfel, niezależnie od tego, jak silny wydaje się sygnał bazowy.
Opis modelu predykcyjnego
Prognozy wyrażane są jako zakresy z powiązanym poziomem ufności, a nie jako jednocyfrowe ceny docelowe. Rekomendacja jest generowana tylko wtedy, gdy pewność modelu przekracza ustalony z góry minimalny próg, co zapobiega przedostawaniu się do publikowanych wyników sygnałów spekulacyjnych lub budzących niskie przekonanie.
Ustawienia progu ryzyka
Podgląd alertów w czasie rzeczywistym
Publiczne nagranie, a nie wyselekcjonowany skrót najważniejszych wydarzeń
Każda rekomendacja, która przekracza próg publikacji, jest rejestrowana ze znacznikiem czasu, a następnie uzgadniana z rzeczywistymi ruchami na rynku, w tym z tymi, które nie działały zgodnie z przewidywaniami.
Poniższa tabela ilustruje format używany w dzienniku na żywo, który jest dostępny dla zarejestrowanych użytkowników. Pokazane tutaj liczby przedstawiają jedynie strukturę, a nie zapis rzeczywistych wyników.
| Zalogowano | Klasa aktywów | Modelowa pewność siebie | Wynik a prognoza | Stan |
|---|---|---|---|---|
| Tydzień 1 | Aktywa cyfrowe o dużej kapitalizacji | Wysoka | W przewidywanym zakresie | W zasięgu |
| Tydzień 2 | Zróżnicowany kosz | Średni | Poniżej przewidywanego zakresu | Oznaczone |
| Tydzień 3 | Aktywa cyfrowe o średniej kapitalizacji | Wysoka | W przewidywanym zakresie | W zasięgu |
Gdy tę samą analizę stosuje się w różny sposób
Podstawowy model nie zmienia się pomiędzy przypadkami użycia; jakie zmiany dotyczą tego, jakie dane wyjściowe się ujawniają i jak jest to powiązane z podejmowaną decyzją.
Przywracanie równowagi w oparciu o pasma ufności
Sugestie dotyczące alokacji są generowane w oparciu o określoną tolerancję ryzyka, a każdej sugerowanej zmianie towarzyszy poziom pewności, który za nią stoi, dzięki czemu inwestor może ocenić, czy zastosować się do niej w całości, częściowo, czy też nie.
Oddzielenie sygnału od szumu krótkotrwałego
Nastroje społeczne i wiadomości są śledzone obok danych transakcyjnych, a nie zamiast nich. Skoki nastrojów, które nie są wspierane przez aktywność w łańcuchu, są raczej oznaczane niż traktowane jako potwierdzenie trendu.
Wspieranie decyzji skarbowych i rezerwowych
W przypadku przedsiębiorstw posiadających aktywa cyfrowe w ramach strategii skarbowej ten sam wynik ważony ryzykiem jest dostosowywany do dłuższych cykli przeglądu, odzwierciedlając niższy obrót typowy dla pozycji skarbowych.
Zbudowany dla inwestorów, którzy chcą sprawdzić działanie, a nie tylko odpowiedź
Raven Stakevault powstał w oparciu o założenie, że rekomendacja oparta na sztucznej inteligencji jest użyteczna dla ostrożnego inwestora tylko wtedy, gdy można sprawdzić jej uzasadnienie i historię osiągnięć. Platforma została zaprojektowana wokół tego wymagania, a nie wokół jednej głównej liczby.
Modele, progi i dziennik publiczny są utrzymywane jako połączony system: zmiana w jednym znajduje odzwierciedlenie w pozostałych, więc dziennik zawsze odzwierciedla zasady, według których aktualnie funkcjonuje model.
Zanim przejrzysz wynik, przejrzyj uzasadnienie
Większość odwiedzających zaczyna od metodologii, następnie sprawdza aktualne wpisy w dzienniku wyników, zanim zdecyduje, czy podejście odpowiada ich własnej tolerancji ryzyka.