Crescânio Equity 模型处理历史序列和实时数据，以在相关模式在传统图表上可见之前识别它们。
这些模型交叉参考了数千种资产的价格、交易量和波动性，以识别相关市场波动之前历史上重复的模式。
每个信号都附有暴露参数和模拟损失场景，以便决策在潜在回报之前考虑风险。
相同的分析结构涵盖了从个人交易者的投资组合到机构交易台的操作量的所有内容，而没有损失深度。
如果不经过此过程，任何推荐都会到达您的屏幕。方法的透明度是维持结果信心的关键。
报价、交易量、新闻和宏观经济指标是从多个市场来源连续收集的。
算法可以识别不同时间窗口（从当天到一年的历史）中的相关性和重复行为。
每个识别的模式都会根据历史数据进行测试，以在实际应用之前衡量其性能。
只有通过回溯测试验证的模式才会生成信号，并提供上下文、预计期限和相关风险级别。
说明不同时间窗口中测试的模式的历史依从性。过去的结果并不能保证未来的表现。
每个策略的构建都是为了在投资者自己定义的风险水平范围内支持明智的战略决策。
信号集中于流动性更强的资产，具有更严格的波动性过滤器和更低的操作频率。
它结合了趋势和反转信号，全天将风险分布在不同的资产类别上。
模型针对短期盘中操作进行了调整，对振荡和大量信号具有更大的容忍度。
Crescânio Equity 的诞生源于这样一种认识：大多数市场数据情报仅限于机构表格，而个人交易者继续使用碎片化的工具做出决策。
我们的工作是将大量数据转化为清晰、经过测试和记录的信号，以便决策取决于方法，而不是分析电子表格的时间。
我们相信，当获得数据分析不再是少数人的特权时，财务决策就会得到改善。
处理发生在几秒到几分钟的连续周期中，具体取决于策略的类型和分析数据的粒度。高频日内策略利用较短的更新窗口。
是的。该平台通过 API 提供集成，用于消费信号和性能数据，从而允许最终执行在交易者已使用的环境中进行。
信号是基于统计模型和历史回测的建议。最终的执行决策仍然在用户的控制之下，用户可以在采取行动之前调整风险参数。
帐户和使用数据存储在每个客户的隔离环境中，并在传输和静态时进行加密。模型中使用的市场数据以汇总和匿名形式处理。
是的。回溯测试结合了交易成本和价格滑点估计，以便模拟性能接近实际执行条件。
请求访问该平台并查看 Crescânio Equity 模型如何将信号、风险和性能历史记录组织到单个仪表板中。
请求访问权限记录的方法。经过加密处理的数据。最终决定始终由用户控制。