模型如何获得推荐
该过程是故意分层的，因此没有任何单个数据点或信号可以单独决定结果。每个阶段都会缩小数据集，然后才允许其影响决策。
持续数据聚合
市场、链上和宏观经济信息是滚动获取的，而不是固定间隔的，这降低了在波动时期根据单一过时快照采取行动的风险。
- 交易所订单簿深度
- 链上交易量
- 宏观经济指标（利率、货币指数）
- 历史波动率系列
统计降噪
在数据集到达预测层之前，短期价格飙升和交易稀少的异常情况会被标记并降低权重。这个阶段的存在是为了防止情绪驱动的噪音被误认为是真正的趋势。
风险加权预测
其余信号通过为每个投影分配置信带的模型，而不是单点估计。较低置信度的输出被标记为此类，并在任何结果建议中加权。
在到达日志之前进行审查
在将任何建议记录到公共绩效日志中之前，都会根据模型自己规定的置信水平和当前风险阈值进行检查。超出商定参数的输出将被保留而不是发布。
包含在采取立场之前而不是之后的曝光
预测模型只是该方法的一半。另一半是一组固定的约束，限制任何单个建议可以移动投资组合的程度，无论潜在信号有多强。
预测模型描述
预测以具有相关置信水平的范围表示，而不是单位数字的价格目标。仅当模型的置信度超过预先设置的最小阈值时才会生成建议，这会将投机或低可信度信号排除在已发布的输出之外。
风险阈值设置
实时警报预览
公开记录，而不是精选集锦
每条清除发布阈值的建议都会记录有时间戳，并随后根据实际市场走势进行调整，包括那些未按预期执行的建议。
下表说明了注册用户可以访问的实时日志中使用的格式。此处显示的图仅代表结构，并非实际结果的记录。
| 已记录 | 资产类别 | 模型置信度 | 结果与预测 | 状态 |
|---|---|---|---|---|
| 第一周 | 大盘数字资产 | 高 | 在预计范围内 | 范围内 |
| 第 2 周 | 多元化篮子 | 中等 | 低于预计范围 | 已标记 |
| 第三周 | 中型数字资产 | 高 | 在预计范围内 | 范围内 |
相同的分析应用不同的地方
底层模型在用例之间不会改变；变化的是哪些输出会浮出水面，以及如何对当前决策进行加权。
以置信带为指导的再平衡
分配建议是根据规定的风险承受能力生成的，每个建议的转变都伴随着其背后的置信水平，因此投资者可以判断是否完全、部分或根本不采取行动。
将信号与短期噪声分开
社交和新闻驱动的情绪是与交易数据一起跟踪的，而不是代替交易数据。不受链上活动支持的情绪峰值会被标记，而不是被视为趋势的确认。
支持国库和储备决策
对于持有数字资产作为财务策略一部分的企业来说，相同的风险加权输出适应更长的审查周期，反映了财务头寸典型的较低周转率。
专为想要检查工作情况而不仅仅是答案的投资者而设计
Raven Stakevault 的建立前提是，人工智能驱动的推荐仅对谨慎的投资者有用，前提是其推理和跟踪记录都可以被检查。该平台是围绕该要求而不是围绕单个标题数字设计的。
模型、阈值和公共日志作为一个连接的系统进行维护：其中一个系统的更改会反映在其他系统中，因此日志始终反映模型当前运行的规则。
