波动性下的情绪决策甚至会侵蚀经过充分研究的投资组合。
手动投资者会监控一小部分可用信号并不一致地调整头寸。 Portesca AI 集中数据摄取并在执行任何分配之前应用定义的风险规则。
| 尺寸 | 手动观察 | 算法数据摄取 |
|---|---|---|
| 信号覆盖范围 | 定期审查选定的图表和新闻标题 | 订单簿、链上流量和宏观指标持续分析 |
| 风险执行 | 手动设置止损，经常在压力下修改 | 自动执行头寸规模和止损规则 |
| 再平衡 | 市场变动后的延迟、不规则调整 | 按定义的时间间隔计划重新平衡并进行完整日志记录 |
| 托管 | 资金在平台之间转移以跟踪机会 | 资金通过受限 API 保留在用户交易账户中 |
选择定量模型并校准其参数。每个模型都会不断分析市场结构并在您的限制范围内调整风险敞口。
分析趋势持续性与已实现波动性的关系。当制度分类表明不稳定时，隔离更强的订单深度并缩减规模。动态稳定币对冲自动应用。
监控跨场所流动性和资金失衡。执行抵消头寸以减少定向风险，同时捕捉白名单资产内的结构性低效率问题。
使用波动性、交易量和宏观输入对市场状况进行分类。重新调整策略模型之间的分配，并通过受控去风险在长期低迷时期稳定投资组合。
关于透明度的说明：模型描述反映了用于研究的操作逻辑和回测参数。历史模拟不能预测未来的结果。数字资产波动较大，资本仍面临风险。在分配资本之前审查完整的风险披露。
四阶段管道将原始市场数据转换为受控、可追踪的执行。每个阶段都强制执行定义的约束。
实时捕获订单簿深度、链上流动性、波动性指标和宏观背景。评分前过滤噪音。
Order books · On-chain · Macro应用预测模型来识别市场状况。对强度、稳定性和流动性充足性的信号进行评分。
Regime model · Signal score根据波动性和风险敞口上限计算头寸规模。自动执行止损水平和回撤断路器。
Auto sizing · Stop-loss通过非托管 API 传送订单。以定义的节奏重新平衡并记录每个操作以供审查和报告。
Non-custodial API · Audit log控件在执行之前、期间和之后运行。您定义边界。平台无一例外地强制执行它们。
系统地限制下行风险。当投资组合回撤接近您配置的阈值时，分配暂停，敞口转向稳定储备。
资金保留在您的帐户中。通过只读/仅交易密钥进行连接，并禁用提款。
限制浓度。将交易限制在经批准的资产范围内，并实时限制每个头寸和总风险敞口。
在继续之前先检查保管、控制和报告。如果细节不清楚，请在入职期间索取文件。
在分配资本之前查看实时模型参数。创建分析帐户、连接受限 API 密钥并在几分钟内配置您的提款限额。
没有锁定。随时暂停或断开连接。资金仍保留在您的交易所中。
接收模型文档和风险配置指南。