CashNest 连续运行两个连接的进程。两者都无法准确预测未来——两者的目的都是为了缩小你需要考虑的结果范围。
该模型研究历史波动模式以及当前订单簿行为，以在价格变动在标准图表上变得明显之前标记资产何时进入较高风险阶段。
您会在原始数据旁边看到简单语言的风险评级，因此统计数据永远不会说明一切。
30 天窗口内的示例性波动带
我们处理来自各种来源的公开市场评论、新闻流和交易量变化，以判断围绕特定资产的情绪是否正在降温或正在增强。
这被视为背景，而不是单独采取行动的信号——当情绪数据与上面的风险模型进行比较时，情绪数据是最有用的。
说明性情绪指数，每小时汇总
CashNest 上的每条推荐都会经历三个阶段。我们保持流程可见，而不是呈现一个无法解释的分数。
我们收集您关注的资产的价格历史记录、订单深度和公众情绪反馈，并不断刷新，而不是按固定的每日时间表刷新。
预测模型过滤了与过去波动事件相关的交易量模式，丢弃了历史上对结果影响不大的短暂噪音。
剩余的信号将转化为根据您规定的预算进行调整的建议，因此 50 英镑的职位和 500 英镑的职位会收到真正不同的指导，而不是相同的小字体输出。
CashNest 从一个简单的观察开始：大多数加密工具都是为已经拥有资金和经验的交易者构建的。首次探索资产类别的学生和早期职业专业人士通常会看到相同的仪表板，只是缩小但没有简化。
我们将 CashNest 构建为决策支持工具而不是交易平台。它不执行订单、保管资金或承诺回报。它分析公开的市场数据，并以专为学习风险分析的人（而不是已经了解风险的人）设计的格式呈现。
详细了解我们的方法
以下示例是假设的，旨在展示同一模型如何根据预算和时间范围产生不同的指导。
该模型更有可能建议将小额配置分散到两到三种波动性较低的资产中，因为在这种规模下，交易成本所占的比例更大，而且集中风险更难以吸收。
随着可用资本的增加，该建议可以考虑更广泛的利差，包括对波动性较高的资产进行较小的配置，并与核心资产进行平衡。
在这种规模下，该模型会权衡等待波动性较低的窗口是否值得推迟入场，因为无论哪种方式，小头寸的绝对收益都可能不大。
相同的波动性信号具有更大的权重，因为价格波动会转化为更大的绝对数字，因此该模型对于时机建议更加保守。
长期跟踪重点关注资产的基本趋势是否保持足够稳定，以证明以最低成本买入并持有的方法是合理的，而不是频繁调整。
当趋势反转信号足够强，足以保证审查头寸时，该模型也会浮出水面，而不是让更大的分配数月不受监控。
我们存储生成推荐所需的最少信息：您规定的预算范围、您关注的资产以及您在平台上的使用历史记录。用于分析的市场数据来自公共来源，而不是来自您的个人交易活动，除非您选择链接交易账户用于跟踪目的。
该模型识别与过去波动和情绪变化相关的统计模式；它不预测具体价格或保证结果。我们将其视为缩小选择范围的决策支持工具，而不是消除不确定性的系统。市场可以而且确实会逆历史模式运行。
CashNest是一个数据分析工具，不是受监管的财务顾问，我们不提供个性化的投资建议。我们的安全和数据处理实践是围绕符合 FCA 的消费者金融科技产品标准而构建的。在做出决定时，您应该将任何输出视为多个输入之一。
是的。许多学生在投入任何资金之前使用仪表板来观察建议如何随时间变化，因为不需要链接资助的交易账户来查看分析。