01 — 分析
持续读取市场数据
分析模块汇总多个时间窗口内的价格、交易量和波动性指标，以便识别与日常噪音不同的趋势。
观察结果
收涨和下跌周期通常会鼓励在最昂贵的时间买入并在最不合适的时间卖出。这种动态并不是缺乏经验所特有的：它是由记录在案的认知偏差造成的，而不断传播的矛盾信息的频率又强化了这种偏差。
因此，手动管理这些市场的风险需要持续的纪律，如果没有明确的方法框架，这种纪律很难随着时间的推移而维持。
Chamois Fondaria 提出的正是这个框架，通过将重复执行委托给能够在没有疲劳或情绪偏见的情况下处理数据的分析引擎。
决策引擎
Chamois Fondaria 不作为单个黑匣子运行。处理链分为三个不同的功能，每个阶段的结果仍然可见。
01 — 分析
分析模块汇总多个时间窗口内的价格、交易量和波动性指标，以便识别与日常噪音不同的趋势。
02 — 预测
根据分析的数据，概率模型评估给定时刻购买的相对相关性，但不声称可以预测市场的确切方向。
03 — 执行
订单根据您之前设置的分配参数执行：金额、频率和风险承受阈值。
技术说明——分析和预测模块基于公开市场数据和历史序列；它们不会取代您的投资者判断，但会减少记录决策所需的处理时间。
方法论
该方法结合了两种经过验证的逻辑：定期投资（平滑平均收购价格）和进入过滤器（根据观察到的市场状况稍微调整执行计划）。
您可以定义每个受监控资产的分配金额、目标频率和可接受的风险级别。
系统不断将当前状况与最近的历史记录进行比较，以识别重大偏差。
执行会在预定义的范围内稍微提前或延迟，而不会超出您设置的限制。
每个操作都会被记录并可见，并通过综合推理触发其触发。
系统绝不会在单次运行中提交整个分配。上游定义的风险阈值是严格的限制，而不是简单的建议。
免责声明——统计模型过去的表现并不能保证其未来的结果。切入点检测降低了一些时机风险，但并不能消除数字资产固有的市场风险。
读取数据
过滤的目的不是预测确切的波峰或波谷，而是区分结构性变动和短期波动，而短期波动对于长期策略没有信息价值。
来自公共交易所和综合价格提供商的市场数据不断更新。
过滤后的信号（绿色）与在此期间观察到的原始波动率的示意图。
常见问题
不会。系统执行您之前定义的规则：金额、频率和风险阈值。它处理数据的速度比手动跟踪更快，但不会在您验证的范围之外提交任何分配。
与交易平台的连接是通过 API 密钥进行的，权限有限，无撤回权，在集成期间配置。您始终保留对资产的直接控制权。
是的。分配、频率和风险阈值设置仍然可以随时从仪表板进行修改，并且可以立即暂停自动执行。
该模型基于公共、历史和实时市场数据，在多个来源之间进行交叉引用，以限制一次性异常对单一平台的影响。
该方法专为具有足够价格历史和定期流动性的资产而设计。非流动性或最近引入的资产采用增强的审慎参数进行处理。