支持决策过程的三个组成部分
结果背后有具体的、可解释的过程。以下三个组成部分构成了您在面板中看到的每项建议的基础。
实时分析
来自连接交易所的价格、交易量和订单簿数据可在几秒钟内得到处理。从而降低了利用过时信息做出决策的风险。
风险管理
投资组合分布、杠杆率和波动性受到持续监控。当超过规定的阈值时，相关位置会在面板上标记出来。
预测模型
过去的价格变动和市场周期是通过统计模型进行评估的。结果以一系列可能性的形式呈现，并不保证。
一个面板中的统一视图
在不同交易所拥有账户的投资者通常必须分别检查每个平台。 Berrak Verimce 将这些数据整合到一个低调的界面中；头寸、余额和未结订单均列在同一屏幕上。
这种统一的外观对于一天中时间有限的专业人士来说具有实际意义。无需在选项卡之间切换，只需在单个面板中查看当前状态即可；这减少了认知负荷并加快了决策过程。
将数据转化为决策的过程
每个阶段都是一个可识别的过程；无法解释的黑匣子没有任何输出。
数据处理
来自附属交易所的原始数据被转换为标准格式；不完整或不一致的记录将被删除。
模型优化
清理后的数据通过预先训练的统计模型。根据当前市场状况定期重新校准模型。
可行的见解
模型输出被转化为可理解的建议而不是技术术语。每项建议均附有其理由。
实际应用领域
以下场景展示了该面板如何用于在不同交易所持仓的用户。
在多个交易所持有分散仓位的投资者可以在单一视图中查看其总风险敞口。当系统检测到类似资产类别的集中度时，它会表明这一点并提供替代分配方案。
价格变动与交易量异常一起评估。成交量突然增加或意外相关性中断会在相关资产的面板中标记为注释。
定期筛选杠杆头寸和集中余额。如果超过指定的阈值，则通知用户；在所有情况下，最终决定权均属于用户。
在你决定之前
Berrak Verimce 的数据安全性如何？
Exchange 连接是通过只读 API 密钥建立的；无需提款授权。认证信息以加密形式存储，仅用于数据读取操作。
从哪些交易所收集数据？
支持的交易所列表根据用户请求和 API 可访问性进行扩展。在添加新的交换之前，需要测试数据质量和延迟。
预测模型的准确性如何？
模型根据历史数据产生概率预测；无法准确预测未来的价格走势。每条建议都包含有关其所基于的数据和时间段的信息。