Prediktivní modelování
Odhady rozsahu volatility podle aktiv, vypočítané z historických řad a nedávných tržních podmínek, s viditelnými intervaly spolehlivosti.
Manto Caudalecto kombinuje prediktivní modely a pravidla ochrany kapitálu, aby vám pomohla dělat střízlivější investiční rozhodnutí, bez slibů ziskovosti nebo euforických řečí.
Problém
Analytické pozorování
Zkušenosti z trhů kryptoaktiv naznačují, že velká část ztrát v malých portfoliích nepochází z dlouhodobého tržního směru, ale z rozhodnutí učiněných během špiček neřízené volatility. Oddělení obou faktorů je výchozím bodem našeho přístupu.
Metodologie
Ceny, objem a metriky on-chain hlavních kryptoaktiv jsou aktualizovány v krátkých a konstantních cyklech.
Statistické modely a modely strojového učení odhadují pravděpodobné rozsahy volatility pro příštích několik hodin, nikoli přesnou cenu.
Každé aktivum obdrží skóre relativního rizika v rámci celkového portfolia uživatele.
Systém navrhuje úpravy polohy v souladu s rizikovým profilem deklarovaným uživatelem.
Podmínky jsou neustále přehodnocovány a jsou generovány výstrahy, když riziko překročí definované limity.
Transparentnost algoritmu
Účelem motoru není předpovídat budoucí cenu aktiva. Místo toho odhadne pravděpodobnost, že volatilita zůstane v daném rozmezí, a podle toho upraví doporučenou expozici. Parametry každého modelu jsou zdokumentovány a kontrolovatelné, takže uživatel může pochopit, které proměnné ovlivňují každé konkrétní doporučení.
O přístupu
Manto Caudalecto se zrodil z myšlenky, že řízení rizik by mělo být stejně dostupné jako samotný přístup na trhy. Tým za produktem pracuje s historickými údaji a údaji v reálném čase, aby navrhl pravidla expozice, která lze vysvětlit, zkontrolovat a zpochybnit, spíše než aby systém prezentovali jako uzavřenou krabici.
Cílem není slibovat ziskovost, ale nabídnout disciplinovanější rozhodovací rámec pro ty, kteří začínají s digitálními aktivy s omezeným kapitálem.
Nástroje
Odhady rozsahu volatility podle aktiv, vypočítané z historických řad a nedávných tržních podmínek, s viditelnými intervaly spolehlivosti.
Pravidla automatického snižování pozice, když odhadované riziko překročí prahovou hodnotu nastavenou uživatelem, než dojde ke ztrátě.
Pravidelné úpravy alokace portfolia, když se rizikové skóre aktiva výrazně odchyluje od jeho počáteční hodnoty.
Transparentnost
Následující údaje odpovídají retrospektivním simulacím (backtesting) za konkrétní tržní období. Nepředstavují projekci budoucích výsledků.
| Simulovaný scénář | Období | Průměrná volatilita | Výsledek s řízením rizik | Výsledek bez řízení rizik |
|---|---|---|---|---|
| Korekce trhu | 90denní simulace | Vysoká | Progresivní snižování expozice | Konstantní expozice, žádné nastavení |
| Vedlejší trh | 180denní simulace | Střední | Menší periodické vyvažování | Žádné vyvažování |
| Trvalý odraz | 120denní simulace | Středně nízký | Expozice se postupně upravuje směrem nahoru | Pevná expozice od začátku |
Metodické upozornění: Simulace jsou založeny na historických datech a zdokumentovaném chování modelu. Minulé výsledky, simulované nebo skutečné, nezaručují budoucí výsledky. Jakákoli investice do kryptoaktiv s sebou nese riziko ztráty kapitálu.
Studentský přístup
Tato úroveň, navržená pro malá počáteční aktiva, vám umožňuje prozkoumat analytický nástroj s malými pozicemi, přičemž všechny limity ochrany kapitálu zůstávají aktivní.
Cílem je seznámit se s řízením rizik před jakýmkoli relevantním investičním rozhodnutím.
Přístup k platformě zahrnuje kompletní dokumentaci rizikového motoru, takže rozhodnutí o investici je činěno na základě informací, nikoli nátlaku.