Westraynham 数据可视化代表人工智能驱动的加密货币市场分析
人工智能驱动的密码分析

加密货币市场的预测模型,每个结果都公开记录

Westraynham 实时分析链上数据、订单流和宏观信号,然后发布结果头寸及其结果以供独立审查。没有仅限内部的指标。没有选择性报告。

完整的交易日志,每月发布
方法论

模型如何校准其信号

Westraynham 并不是一个密封的黑匣子。记录了基本流程,并在下面以简单的术语披露了每个决策的输入信息。

每个头寸都是根据当前市场结构与历史方差模式的加权比较得出的。该模型不会孤立地预测价格;它在分配任何资本之前,根据定义的风险阈值对给定举措的概率进行排名。

随着新数据的到来,重新校准会滚动进行,而不是按照固定的时间表进行,因此该模型反映的是当前状况而不是上季度的假设。

  • 链上交易量和钱包集中度
  • 主要交易所的订单簿深度
  • 波动率指数和宏观流动性状况
  • 来自公开市场评论的情绪指标
01 从交易所源、区块链浏览器和宏观数据提供商获取的原始数据。
02 根据历史方差和当前波动带加权的信号。
03 根据预设的风险阈值确定头寸规模,而不是单独建立信心模型。
04 结果记录在月度分类账中并排队等待发布。
性能日志

可供检查的记录,而不是我们控制的摘要

分类账中的每个条目都包括开仓头寸、平仓头寸以及与规定基准的差异。下面的格式显示了每个月条目的结构。

月份 策略应用 基准方差 波动率调整后的回报
参赛作品格式 例如长偏旋转 — 根据基准记录 — 按条目记录
参赛作品格式 例如波动性对冲头寸 — 根据基准记录 — 按条目记录

上图仅说明账本结构。完整的历史条目,包括已实现的价值,可以通过公共分类账获得。

风险管理

资本保全优先于信号信心

对冲方法

使用相关工具对头寸进行对冲以应对突然的流动性冲击,而不是凭信心持有不对冲。一旦波动率超过定义的范围,无论模型的方向置信度如何,暴露都会自动减少。

  • 入场前每个头寸的下行风险敞口受到限制
  • 高波动窗口期间应用的相关对冲工具
  • 没有单一头寸超过总分配的预设份额

风险阈值是提前设定的,并按固定周期进行审查,而不是为了适应亏损交易而中间调整。下表概述了跨托管职位应用的当前设置。

每个头寸的最大回撤有上限、预定义
波动退出触发自动
持仓集中度限制按分配强制执行
审核周期固定的、预定的
使用案例

适用于个人和机构的任务

投资组合优化

个人和家族办公室分配

私人投资者使用该模型的输出来重新平衡加密货币分配与更广泛的投资组合,使风险敞口与现有的风险承受能力保持一致,而不是将数字资产视为一个单独的投机桶。

预测套利

短期定价差异

该模型在关闭前标记了场馆之间的定价差异,为服务柜台提供了狭窄的行动窗口。无论是否对机会采取行动,都会记录标志,从而保留信号准确性的诚实记录。

机构流动性分析

大规模执行计划

资产管理公司利用深度和流动性数据来计划较大头寸的执行,而不会大幅改变市场,并围绕建模的流动性窗口排序进入和退出。

关于平台

为审查而建,而不是为说服而建

Westraynham 的构建前提是值得信任的模型是可以检查的模型。该平台不是要求投资者接受业绩声明,而是发布基础数据轨迹,以便每项声明都可以得到独立验证。

与以营销为主导的替代方案相比,这种方法故意更慢、更保守。它适用于那些宁愿看到十二个月的记录方差也不愿看到单一预计回报的投资者。

Westraynham 分析师在屏幕上审查已发布的性能数据
常见问题解答

投资者在请求访问之前提出的问题

客户资产由谁保管

Westraynham 不托管客户资金。头寸通过客户自己的交易账户或托管安排执行,平台提供分析和分配建议,而不是直接控制资产。

模型多久更新一次

随着新市场数据的到来,该模型会滚动重新校准。方法本身的结构性变化,例如新的数据源或权重调整,将按固定的季度周期进行审查并在分类账中注明。

费用是如何构成的

费用条款在入职期间直接与每个账户持有人确认,并根据委托规模和服务水平而有所不同。日志中发布的性能数据没有经过调整以排除费用。

如果模型的表现低于基准会发生什么

表现不佳的时期会以与表现出色的时期相同的细节进行记录。分类账在发布后不会被编辑或整理,无论结果如何,历史条目仍然可见。

访问

在投入资金之前查看日志

经过简短的入职对话以确认适用性后,可根据要求授予对 Westraynham 的访问权限。在审查完整的业绩历史记录之前,没有义务分配资本。