01 — 预测分析
识别智能切入点
我们的模型处理价格行为、波动性指标和更广泛的市场信号，以估计何时条件相对更有利于计划购买，而不是在没有背景的日历日期执行。
管理自己投资的远程专业人士面临着一种特殊的摩擦：影响市场的事件发生在全球时钟上，而不是个人时钟上。当地时间凌晨 3 点亚洲市场的波动性飙升、中途停留期间的利率公告、长途航班离线时的货币变动——每一项都需要您在重要时刻给予关注。
跨时区、不一致的连接间歇性地检查数据往往会产生反应性决策，而不是经过深思熟虑的决策。 Kernyield Invest 的构建基于一个简单的前提：分析不应取决于您所在的位置或您是否醒着。
传统的 DCA 计划无论条件如何都会在固定日期购买。相反，Kernyield Invest 的引擎会不断评估传入的数据，以识别具有更有利的统计概况的入口点，同时仍然保留预定的自动化方法的规则。
我们的模型处理价格行为、波动性指标和更广泛的市场信号，以估计何时条件相对更有利于计划购买，而不是在没有背景的日历日期执行。
头寸规模和时机建议受到您提前定义的风险参数的限制，因此自动决策保持在您已经批准的范围内，而不是当前做出的范围内。
每个自动化操作都带有时间戳并根据通知它的数据进行记录，因此每个入口点背后的推理在事后仍然可追溯和可审查。
自动入场计时背后的逻辑遵循三个阶段。每一级的存在都是为了在下一级对其起作用之前减少噪音。
该平台不断从相关市场提取价格、交易量和波动性数据，以及通常先于有意义的价格变动的更广泛的经济指标。
预测模型将短期噪音与历史上与有利进入条件相关的模式分开，将大量数据缩小为较小的相关信号集。
一旦信号清除定义的阈值，计划的购买就会在您预设的风险边界内自动执行，无需在行动时进行手动批准。
我们宁愿解释模型是如何测试的，也不愿提出无法验证的主张。下图是回测输出结构的简化表示，而不是性能保证。
样本期内回测入口点分布的说明性表示。不是预测或绩效声明。
切入点模型根据历史价格和波动性数据进行训练，然后针对模型未见过的时期进行验证，以检查识别出的模式是否在原始样本之外成立。
在任何模型提供实时建议之前，都会根据历史数据进行运行，以评估其信号的表现，包括在波动性较高的时期。
帐户凭证和数据连接在传输过程中和静态时都进行加密，自动操作仅限于您在帐户设置中配置的权限和风险边界。
每个配置文件的底层引擎都是相同的；改变的是配置——检查的频率、每个头寸的大小以及风险边界设置的保守程度。
配置风险限额和缴费计划一次，然后让系统在您在途中或离线时执行。评论按照您的日程安排进行，而不是市场的日程安排。
管理经常性资本部署的团队使用相同的预测过滤来支持内部分配审查，并提供用于审计和报告目的的完整日志。
对于喜欢长期、低干预方式的投资者来说，平台保持一致的出资节奏，无需日常关注。
Kernyield Invest 的开发围绕一个简单的区别：自动化应该处理重复分析，而投资者应该保留对重要参数的控制权——风险承受能力、贡献规模和频率。
该平台的目的并不是确定地预测市场。它的目标是每次都应用同样严格的过滤过程，不会产生疲劳、分心或影响人工审核的时区限制。
详细了解我们的方法