实时风险评估
每个头寸都会根据当前的波动性指标进行持续检查，以便风险变化在反映到投资组合中之前就变得可见。
方法论
加密货币市场每天生成的数据点比个人投资者手动评估的多个数据点要多。这正是 Amselquarz 的用武之地：预测模型过滤实际市场信号中的噪音，并在将每个假设纳入建议之前对照历史数据集检查每个假设。
该系统的核心是算法验证：每个模型在应用于当前数据之前都会在过去的市场阶段进行持续测试。这一过程降低了将短期趋势与稳定模式混淆的风险——这是做出纯粹直觉决策时的常见错误。
对于初学者来说，这意味着：您收到的不是黑匣子信号，而是可以在各个级别理解的推导。数据库的透明度与预测本身的准确性同样重要。
以结构化方式记录和清理几年来的市场、交易量和波动性数据。
统计模式被识别并表述为反复出现的市场行为的假设。
每个假设在作为主动信号发布之前都会在历史数据集上进行测试。
模型会定期重新校准，以便及早发现预测与市场现实之间的偏差。
回测结果
以下值来自当前模型版本在多个市场周期的回溯计算。它们用于对风险进行分类，而不是预测利润。
每个测试季度模型投资组合的模拟累积表现，以起始值为索引。
所有指标均基于使用历史数据进行的模拟回测，并未考虑未来的市场状况。过去的表现并不是未来结果的可靠指标；这些数字专门用于评估风险和建模行为。
工具
用户收到的不是单独的信号，而是一套可以构建决策并减少对短期价格变动的情绪反应的工具。
每个头寸都会根据当前的波动性指标进行持续检查，以便风险变化在反映到投资组合中之前就变得可见。
基于规则的警报提供有关定义的阈值的信息，并用预定义的决策逻辑代替自发反应。
多个头寸的分布不断与所需的风险结构进行比较，如果存在偏差，则会透明显示。
对于学生
Amselquarz 面向的是学生和年轻专业人士，他们不是想顺便接触加密货币市场，而是想了解底层机制。该平台不仅显示结果，还显示到达该结果的路径：检查了哪些数据、其背后的假设以及该假设在历史上的表现如何。
这种方法特别适合小资本起步，因为可以通过可追溯性更早地识别和纠正错误，而不是只有在事后才发现错误。
查看方法文档 →
常见问题
这些模型基于已建立的加密货币交易场所的历史价格、交易量和波动性数据。在将数据源纳入回溯测试之前，会定期检查数据源的一致性和完整性。
模型按固定周期重新校准，以反映市场行为的结构性变化。在周期之间，不断记录预测与实际发展之间的偏差。
是的。 The platform is designed so that position sizes and risk parameters can be configured independently of the capital invested, allowing for gradual entry.
不会。回溯测试结果显示了策略在过去的表现，但并不能保证未来的表现。无论模型的质量如何，加密货币市场仍然波动。
Instead of isolated buy or sell signals, Amselquarz provides the underlying derivation including risk metrics so that users can understand the basis for the decision instead of blindly following it.
有关数据库或如何开始的其他问题？ 联系我们的团队。