价格、交易量和新闻的持续流动并不会自动产生更好的决策。我们需要一个过滤噪音并量化残余风险的流程。
效率指标：分析报告的生成时间与所选策略的数量成正比，并在激活之前传达。
CardinQuota 不会生成孤立的预测。将统计模型、链上数据和传统市场数据组合成一个持续更新的分析流。
每个建议都附有其置信区间和构建该建议的回溯测试历史记录。目标是降低决策风险，而不是承诺回报。
四个技术组件协同工作，将原始数据转化为操作指南。
根据价格、交易量和波动性的时间序列进行训练的统计模型，并定期更新当前市场数据。
当市场数据的相关变化超过所选策略中定义的阈值时，就会报告这些变化。
每项建议都包括对预期波动性的估计以及相应策略记录的最大历史回撤。
分配参数适应配置阶段期间指示的时间范围和风险承受能力。
在提出之前，每个策略都会经过基于历史数据的验证过程，记录在案且可重复。
来自公开市场来源的多年历史价格和交易量系列。
根据风险目标定义策略的进入和退出参数。
将该策略应用于不同的市场时期，包括下行周期和高波动阶段。
验证模型构建阶段未使用的数据的结果，以限制过度拟合。
提供包含历史表现、最大回撤和模拟市场状况的报告。
回测中使用的历史数据在模拟后不会改变。每份报告都指出了分析的时期和参考市场状况，包括负面表现的阶段。
说明性图表。它不代表实际表现或保证未来结果。
相同的预测分析引擎支持不同的需求，从管理个人投资组合到业务规划。
以定义的风险阈值和已根据历史数据进行测试的策略为指导，在数字资产之间进行分配，并定期报告当前风险敞口。
比较多种回测策略，以选择最符合客户风险委托的分配。
在记录的历史情景的支持下，评估企业流动性管理中的数字资产敞口。
在所有情况下，目标都是一样的：减少资本配置前的不确定性，而不是承诺具体的回报。
配置阶段提供的数据专门用于校准所需的分析策略。对内部系统的访问通过用户区分的权限进行控制。
每个模型报告根据历史验证数据计算的置信区间。没有任何模型可以消除市场风险；使其可测量。
不会。回测显示策略在历史数据上的表现如何。未来的市场状况可能与模拟的有所不同。
多年期间的价格、交易量和波动性的历史序列，包括积极和消极的市场阶段，以避免部分选择数据。
根据要求，可以接收用于模拟特定策略的数据和参数的详细信息，以支持独立验证。