挑战
加密市场每天都会产生大量的价格数据、新闻和社交信号。对于资金和时间有限的学生来说，很难将相关信息与噪音区分开来，更难以知道自己在购买时实际承担的风险是什么。
Hodladvisor Al 通过根据历史市场条件测试的数据模型构建此信息。该系统将大量数据转化为具体的风险概况，因此实际决策仍然取决于您 - 具有更好的评估基础。
插图：随着时间的推移，相对价格变动，用于可视化波动——而不是实际回报数字。
方法论
这个过程的任何部分都不应该看起来像魔术。以下是模型所基于的三个组件。
01
这些模型基于多个交易所和时间段（包括高波动期）的价格历史记录。分析涵盖的时间段始终与结果一起说明。
02
这些策略强调资本保全而不是最大回报。头寸规模和风险敞口根据测得的波动性进行调整，而不是根据市场情绪或个别新闻。
03
一旦选择了策略，就会不断地与新的市场数据进行比较。与历史模式的偏差会被标记，以便您可以评估假设是否仍然成立。
策略
每个策略都根据历史数据进行回溯测试。该表显示了已经测试的内容以及如何处理波动性——而不是预期回报。
| 策略 | 测试期 | 波动控制 | 适合于 |
|---|---|---|---|
| 资本保值 | 经过了几个完整的市场周期的测试，包括严重的低迷时期。 | 低风险敞口和广泛的对冲水平可限制下行风险。 | 风险承受能力低、投资期限较长的学生。 |
| 平衡曝光 | 针对中度至高波动时期进行测试。 | 根据持续的波动性测量动态调整头寸规模。 | 希望随着时间的推移逐渐增加接触机会的学生。 |
| 主动再平衡 | 以更短、更频繁的重新平衡间隔进行测试。 | 再平衡是由定义的波动阈值而不是固定时间触发的。 | 经常关注市场、有时间跟进的同学。 |
历史回测显示了策略对之前市场状况的反应。没有任何未来表现的迹象，任何对加密货币的投资都涉及资本损失的风险。
透明度
我们展示每项建议背后的内容。 您始终可以查看测试了哪个时间段、使用了哪些数据源以及模型基于哪些假设。
我们避免使用承诺快速获利的语言。 决策支持旨在降低基于直觉或社交媒体上的个人帖子进行投资的风险，而不是完全消除风险。
