MoonoptionETH verarbeitet historische und Echtzeit-Marktdaten, um Risiken zu kennzeichnen und Chancen zu bewerten. Jede Empfehlung geht auf ein Backtest-Modell zurück, nicht auf eine Prognose ohne Aufzeichnungen.
Entwickelt für in Großbritannien ansässige Investoren und Unternehmensentscheider, die Beweise benötigen, bevor Maßnahmen ergriffen werden. Die bisherigen Leistungsdaten werden vollständig innerhalb der Plattform offengelegt.
MoonoptionETH veröffentlicht keine Vorhersagen ohne nachvollziehbaren Prozess. Jede der folgenden Phasen wird im Dashboard protokolliert und ist überprüfbar.
On-Chain-Aktivität, Auftragsbuchtiefe und Makroindikatoren werden kontinuierlich ermittelt. Die Daten werden normalisiert, bevor ein Modell sie sieht, wodurch Störungen durch Handelsplätze mit geringer Liquidität reduziert werden.
Jedes Modell wird mit historischen Perioden verglichen, für die es nicht trainiert wurde. Eine Strategie muss über mehrere Marktzyklen hinweg Bestand haben, bevor sie in die Produktion gelangt.
Die Ergebnisse werden in einen Risikoscore umgewandelt, nicht in ein Preisziel. Die Plattform ordnet das Engagement nach Volatilität und Drawdown-Wahrscheinlichkeit, nicht nach erwartetem Gewinn.
Die Analyse erfolgt fortlaufend. Modelle werden in festgelegten Abständen anhand neuer Daten erneut validiert, und jedes Modell, das unter seiner historischen Basislinie liegt, wird zur Überprüfung gekennzeichnet, bevor es Einfluss auf eine Empfehlung hat.
MoonoptionETH basiert auf der Prämisse, dass eine Empfehlung nur so glaubwürdig ist wie die dahinter stehenden Daten. Die Plattform verspricht keine Ergebnisse. Es berichtet, was in der Vergangenheit unter vergleichbaren Bedingungen passiert ist, und lässt den Anleger entscheiden.
Modelllogik, Datenquellen und Backtest-Fenster werden dokumentiert und können im Dashboard überprüft werden. Es wird nichts als Garantie angeboten.
MoonoptionETH legt neben den Ergebnissen auch die Struktur des Backtests offen. Die folgenden Zahlen beschreiben die Methodik, nicht die prognostizierten Renditen.
Anschauliches Muster aus Drawdown und Erholung, das intern verwendet wird, um die Stabilität des Modells über historische Volatilitätsperioden hinweg, einschließlich der Abschwünge 2018 und 2022, einem Stresstest zu unterziehen.
Historische Backtesting-Ergebnisse beschreiben das vergangene Datenverhalten unter angegebenen Modellbedingungen. Sie sind kein Indikator für die zukünftige Leistung und es gibt keine Garantie für das Ergebnis. Die im Dashboard angezeigten Zahlen umfassen Daten, Stichprobengröße und die genauen getesteten Bedingungen.
Zwei Hauptanwendungsfälle fördern die Akzeptanz: die Reduzierung des Abwärtsrisikos und die Identifizierung statistisch signifikanter Einstiegsbedingungen vor breiteren Marktbewegungen.
Portfoliomanager nutzen die Risikobewertung, um die Positionsgröße vor markierten Volatilitätsfenstern anzupassen. Das Modell weist keinen Verkauf an; Es quantifiziert das Engagement, sodass die Entscheidung beim Manager verbleibt.
Unabhängige Anleger nutzen zurückgetestete Einstiegsmuster, um ihre Entscheidungen zeitlich festzulegen. Signale werden nach historischer Zuverlässigkeit und nicht nach dem Ausmaß der erwarteten Bewegung geordnet.
MoonoptionETH stellt eine Verbindung zu Standard-Portfolio-Tracking- und Börsenberichtsformaten her, sodass die Ausgabe neben bestehenden Risiko-Dashboards erfolgen kann, anstatt diese zu ersetzen.
Auf technische und sicherheitstechnische Fragen wird hier ohne Einschränkung eingegangen. Alles, was nicht abgedeckt ist, wird vom Team direkt über die Kontaktseite beantwortet.
Nein. Die Plattform stellt bewertete Empfehlungen und Risikodaten bereit. Ausführungsentscheidungen verbleiben jederzeit beim Nutzer bzw. seiner Institution.
Marktdaten werden aus dem von der Börse gemeldeten Orderbuch und der Handelshistorie abgerufen. Diskrepanzen zwischen Quellen werden gekennzeichnet und vom Modelltraining ausgeschlossen, anstatt den Durchschnitt zu ermitteln.
Es wird aus der aktiven Empfehlung entfernt und zur Überprüfung protokolliert. Ein Modell wird erst wiederhergestellt, wenn es erneut unter den Bedingungen getestet wurde, die die Abweichung verursacht haben.
Nein. Konto- und Portfoliodaten werden nur zur Generierung von Empfehlungen für dieses Konto verwendet. Aggregierte, anonymisierte Daten können in das Modelltraining einfließen, ohne dass individuelle Positionsdaten offengelegt werden.
Die Plattform richtet sich an in Großbritannien ansässige professionelle Anleger, Treasury-Teams von Unternehmen und Einzelanleger, die modellbasierte Beweise benötigen, bevor sie digitale Vermögenswerte investieren.
Die Datenverarbeitung folgt den Grundsätzen der britischen DSGVO. Kontodaten werden im Ruhezustand und während der Übertragung verschlüsselt und nur so lange aufbewahrt, wie es für die Bereitstellung des Dienstes oder die Erfüllung einer gesetzlichen Verpflichtung erforderlich ist.
Der Zugriff auf das Dashboard umfasst die vollständige Modelldokumentation, Backtest-Datensätze und die aktuelle Risikobewertung. Zur Überprüfung der Daten ist keine Zuordnung erforderlich.
Greifen Sie auf das Dashboard zu