预测分析
这些模型根据时间序列和市场情绪指标，评估所监控资产在 24 小时到 30 天内的演变概率。
我们的方法
Zuvano Relira 被设计为决策支持工具，而不是无控制的自动管理系统。为跟单交易提出的每项策略都会被记录下来，根据历史数据进行测试，并根据其回报/波动率不断重新评估。
技术团队更看重结果的可读性，而不是表面上的复杂性：置信度得分、估计暴露量、时间有效性窗口——仅此而已。
从原始数据到决策
我们的模型吸收市场数据、宏观经济指标和数百个算法策略的表现历史。每个流程在进入预测建模层之前都经过标准化、时间戳和验证。
输出不是孤立的信号，而是情境化的建议：置信水平、估计风险暴露和时间有效性窗口。最终分配决定权归您所有；系统记录其推理。
三大功能支柱
这些模型根据时间序列和市场情绪指标，评估所监控资产在 24 小时到 30 天内的演变概率。
每个复制位置都根据注册时定义的曝光配置文件进行限制。波动率超过配置阈值的策略将自动排除在跟单交易之外。
分配会定期重新计算，以考虑流动性的变化和所遵循策略的绩效变化。
| 策略 | 回报中位数 | 波动性 | 随访率 |
|---|---|---|---|
| 均衡多资产 | 4.8% | 6.1% | 96.4% |
| 美国股市动能 | 7.2% | 11.3% | 94.1% |
| 短期利率套利 | 2.1% | 1.8% | 98.7% |
作为界面中显示格式的说明而呈现的值。过去的表现并不能保证未来的结果。
方法论
算法透明度是我们专业用户的合同要求，而不是显示参数。每个建议都可以追溯到其输入变量。
市场和宏观经济数据是通过经过认证的源收集的，并且时间戳精确到毫秒。
一组预测模型评估可能的场景并生成相关的置信度得分。
根据 90 个滚动日观察到的回报/波动率来筛选复制交易的候选策略。
复制在用户定义的风险约束下进行，并持续测量延迟。
审核日志详细介绍了每个决策：使用的变量、置信度得分以及与实际位置的偏差。
数据托管在欧盟境内，并在静态和传输过程中进行加密。访问接口需要强认证。所遵循的策略过去的表现并不能保证其未来的结果。
使用案例
情况。 两个特派团之间的收入不稳定，可用现金往往未得到充分利用。
方法。 现金流的确定部分被分配给根据中等风险状况选择的策略的跟单交易。
跟进。 分配每周根据观察到的表现进行调整，并可能随时中断，恕不另行通知。
情况。 个人投资组合的主动管理需要一定程度的监控时间，很少有个人投资者能够维持这一水平。
方法。 头寸是从其表现和波动性历史记录在界面中连续发布的策略中复制的。
跟进。 综合仪表板显示按资产类别和遵循的策略划分的风险敞口。
情况。 短期现金盈余的投资往往没有记录在案的收益率和可用性之间的套利。
方法。 优化模块提供了几种低波动性策略之间的分配，并具有可配置的流动性阈值。
跟进。 可导出的月度报告记录了财务管理的分配决策。
技术问题
登录和钱包数据在静态和传输过程中均进行加密。接口访问需要强认证，并保留访问日志供审计。
生成推荐和复制执行之间观察到的平均延迟以毫秒为单位；它还取决于所连接代理的特定延迟。
每个模型都根据与其训练集不同的历史数据进行验证，然后通过置信度得分与观察结果之间的比较进行持续监控。
是的。曝光配置文件在注册时定义，并自动应用于所有复制位置，并可以随时调整。
激活策略的决定权仍然是用户。策略过去的表现并不能保证未来的结果。
这里无法回答一个问题？ 查阅完整的技术文档。