MoonoptionETH预测数据分析仪表板视觉
投资决策的数据智能

预测模型是根据市场历史而不是市场炒作进行测试的。

MoonoptionETH 处理历史和实时市场数据以标记风险并评估机会。每个建议都可以追溯到经过回溯测试的模型,而不是没有记录的预测。

专为在行动前需要证据的英国投资者和企业决策者而设计。过去的绩效数据在平台内完整披露。

逻辑基础

模型如何得出结论

如果没有可追踪的过程,MoonoptionETH 不会发布预测。下面的每个阶段都会在仪表板中记录和审核。

阶段01

数据摄取

链上活跃度、订单深度、宏观指标持续拉动。数据在任何模型看到之前就已标准化,从而减少了低流动性场所的噪音。

阶段02

回测验证

每个模型都是针对它未经训练的历史时期运行的。一项战略在投入生产之前必须能够经受住多个市场周期的考验。

第三阶段

风险评分

输出被转换为风险评分,而不是价格目标。该平台根据波动性和回撤概率而不是预期收益对风险进行排名。

分析以滚动方式运行。模型会按照固定的时间间隔根据新数据进行重新验证,并且任何表现不佳其历史基线的模型都会在影响建议之前被标记为进行审查。

关于该方法

以证据为基础,按固定时间表进行审查

MoonoptionETH 的建立前提是建议的可信度取决于其背后的数据。该平台不承诺结果。它报告了在可比条件下历史上发生的情况,并让投资者做出决定。

模型逻辑、数据源和回测窗口均已记录下来,可供在仪表板中查看。没有任何内容作为保证。

MoonoptionETH 分析工作区用于审查模型回测
绩效指标

衡量什么以及如何报告

MoonoptionETH 公开了回测结构以及结果。下图描述的是方法,而不是预计的回报。

内部使用说明性回撤与恢复模式来对历史波动时期(包括 2018 年和 2022 年低迷时期)的模型稳定性进行压力测试。

回测窗口 2017 年 – 至今
重新平衡节奏 固定间隔
资金回撤监控 连续
模型重新验证 预定

历史回测结果描述了过去的数据在规定的模型条件下的行为。它们不是未来表现的指标,也不能保证结果。仪表板中显示的数据包括日期、样本大小和测试的确切条件。

战略效用

应用输出的地方

两个主要用例推动了采用:减少下行风险,以及在更广泛的市场波动之前确定统计上显着的进入条件。

机构配置风险降低

投资组合经理使用风险评分在标记的波动窗口之前调整头寸规模。该模型不指示销售;它量化了风险敞口,因此决定权归经理所有。

机构用途
  • 波动率加权暴露评分
  • 回撤概率标志
  • 模型输入的审核日志

个人投资者的预测增长信号

独立投资者使用回溯测试的入场模式来制定分配决策的时间。信号按历史可靠性排序,而不是按预期变动的幅度排序。

个人使用
  • 按可靠性排列的进入模式排名
  • 与类似条件的历史比较
  • 头寸级别风险说明

MoonoptionETH 连接到标准投资组合跟踪和交换报告格式,允许输出与现有风险仪表板并存,而不是取代它们。

透明度

我们直接被问到的问题

此处无条件地解决技术和安全问题。任何未涵盖的问题均由团队通过联系页面直接回答。

MoonoptionETH 是否自动执行交易?

不会。该平台提供评分建议和风险数据。执行决策始终由用户或其机构保留。

历史数据如何获取和验证?

市场数据取自交易所报告的订单簿和交易历史。来源之间的差异被标记并排除在模型训练之外,而不是进行平均。

如果模型的回测表现不佳,会发生什么?

它将从主动推荐中删除并记录以供审核。在根据导致偏差的条件重新测试模型之前,不会恢复模型。

客户数据是否与第三方共享?

不会。账户和投资组合数据仅用于为该账户生成建议。聚合的匿名数据可以为模型训练提供信息,但不会披露个人位置数据。

MoonoptionETH 是为谁打造的?

该平台专为英国专业投资者、企业财务团队和个人投资者而设计,他们在分配数字资产之前需要基于模型的证据。

数据处理遵循英国 GDPR 原则。帐户数据在静态和传输过程中都会进行加密,并且仅在提供服务或履行法律义务所需的时间内保留。

下一步

分配前检查数据

对仪表板的访问包括完整的模型文档、回测记录和当前风险评分。无需分配即可审查数据。

访问仪表板