Caja Inversora AI 视觉代表数据驱动的加密货币市场分析

面向学生的密码分析模型

加密货币市场的预测模型,旨在进行检查,而不是盲目信任。

Caja Inversora AI 对价格和数量数据应用随机建模,然后在结果已知之前发布结果信号。学生可以阅读推理,而不仅仅是结果。

每个信号都带有时间戳,并在市场波动之前锁定到公共记录中,因此无法事后编辑日志。

方法论

模型如何推理风险

该系统建立在定量金融的少量想法之上,并为没有统计学背景的学生翻译成通俗易懂的语言。

简单来说,随机建模

加密货币价格的变动方式部分是随机的,部分是有规律的。随机模型明确地处理了这种随机性,它描述的不是一个预测价格,而是一系列可能的结果以及每个结果的可能性。

预测方差

预测方差是衡量结果范围有多宽的指标。范围窄意味着模型相对有信心;宽意味着情况不稳定,任何头寸都应相应调整。

不对称风险

非对称设置是一种故意将头寸的潜在损失保持小于潜在收益的设置。该模型并不试图完美地预测方向;它试图构建条目,使错误的成本低于正确的收益。

Caja Inversora AI 研究台,其中包含用于记录模型行为的图表和注释
模型文档是为了审查而编写的,而不仅仅是为了内部使用。
  1. 01

    数据摄取

    订单簿、交易量和价格历史记录是从多个交易所提取的,并标准化为一个共同的时间范围。

  2. 02

    特征提取

    原始序列被转换为模型可以跨资产进行比较的指标,例如波动性聚类和交易量变化。

  3. 03

    随机建模

    该模型生成可能结果的分布而不是单个价格目标,并估计其周围的方差。

  4. 04

    方差调整信号

    计算头寸规模和入场范围,以便相对于建模的上行空间,下行空间保持有限。

术语表,没有行话

随机指标
涉及显式建模而不是忽略的随机组件。
方差
可能的结果与预期结果的分布情况如何。
不对称风险
原则上,头寸的损失小于其所对应的收益。

社区验证的结果

公共日志,而不是精彩片段

信号在其结果已知之前被记录,并由平台上的其他用户随后审核。丢失的信号与获胜的信号一起保留在日志中。

公开绩效日志的示例结构
记录日期 型号信号 已实现的成果 方差带 验证
说明行 减少风险敞口,资产 A 在模型范围内 已确认
说明行 增加资产 B 的曝光度 模拟范围外 审核中
说明行 无仓位,资产C 不适用 已确认

历史表现图表的说明性布局。一旦一批公共信号成熟,该视图就会填充每个条目相应的已实现方差。

验证徽章的含义

一旦至少两名独立社区审阅者对照原始交换数据检查了记录的条目、时间戳和结果,并且没有发现任何差异,信号就会被标记为“已确认”。

审计追踪

每个条目都带有时间戳、当时使用的输入数据快照以及结果信号。以后无法进行编辑;更正内容作为新的、单独注明日期的条目附加。

风险管理

专为学生预算而设计,而不是交易台

资本约束改变了“合理风险”的含义。该模型直接解释了这一点,而不是假设一个庞大的、多元化的投资组合。

默认配置不是最大化预期回报,而是最小化单个误判信号可能造成的损失。头寸规模与建模方差相关:当可能结果的范围扩大时,建议的风险敞口会自动缩小,而不是保持固定。

这并不能消除加密市场的风险,加密市场本质上仍然不稳定。它改变了风险所在,使任何单个条目保持足够小,以便错误的跟注不需要巨大的胜利来恢复。

分配概况

保守模式限制了建议的头寸大小,并扩大了记录信号之前所需的方差阈值。这是新学生帐户的默认设置。

集体评审

验证来自用户,而非营销

该平台的核心主张是其日志是准确的,是由使用它的人检查的,而不是相信的。

共识状态
已确认
共识状态
审核中
共识状态
有争议
审查依据
同行检查
近期平台活动(示例)
  • 针对记录的信号提交独立审查
  • 新体积数据后更新方差带
  • 经过第二次审稿人检查后,条目标记为已确认
  • 新学生群体加入保守模式

学生访问

请求访问测试队列

Beta 访问针对的是想要在决定是否遵循模型之前阅读模型推理的大学生。

  • 在做出任何决定之前,请阅读过去信号的完整公共日志。
  • 以保守模式开始,默认情况下头寸规模有上限。
  • 查看方法部分中使用的相同方差范围和定义。
Beta 队列:目前正在招生