问题
机构投资者利用强大的计算能力来寻找优势。您不必成为数据科学家才能从相同的技术中受益。大多数零售平台要么过度简化数据，要么将其隐藏在需要统计背景才能正确解释的仪表板中。
方法
Fyralith 通过将复杂的预测信号转化为可操作的见解来弥补这一差距。底层模型依然复杂；你收到的是一个简短、具体的建议，并附有支持逻辑。
关于Fyralith
Fyralith 是围绕一个简单的约束创建的：我们提出的任何建议都必须可追溯到生成它的数据。我们不承诺结果。我们会发布它们，包括表现不佳的那些，以便您可以根据模型的实际记录而不是营销主张来判断模型。
我们团队的职责是维护数据管道并保持模型假设的真实性。您的角色是根据建议和您自己的风险参数来决定是否采取行动以及如何采取行动。
方法论
原始市场数据和您收到的消息之间存在三个阶段。每个阶段都有特定的工作，并且不会根据您的要求对您隐藏任何工作。
我们每秒汇总数百万个全球市场数据点，这些数据点来自公共定价源、交易量数据和宏观指标。
我们的专有模型过滤噪音以识别高概率结果，根据长期历史模式权衡近期波动性。
您会收到清晰的、有数据支持的建议来优化您的投资组合，以及每一项建议背后的置信度。
公共绩效分类账
我们相信彻底的透明度。以下是 Fyralith 引擎生成的最新结果示例，在标记为已验证之前由我们的用户社区进行了审核。
| 日期 | 信号类型 | 预测准确性 | 状态 |
|---|---|---|---|
| 5月14日 | 趋势逆转 | 78% | 已验证 |
| 5月13日 | 波动警报 | 64% | 已验证 |
| 5月12日 | 动量信号 | 71% | 正在审核中 |
| 5月11日 | 风险标志 | 82% | 已验证 |
| 5月10日 | 趋势逆转 | 59% | 已验证 |
上图说明了分类帐格式。注册用户可以使用带有方法注释的完整历史日志。
常见问题
不会。该平台的模型在后台运行，并以明确的置信度以简单的语言输出建议。您通过仪表板进行交互，而不是通过代码或配置文件。
该模型不断根据当前波动性和历史回撤模式检查信号。当情况超出我们认为可接受的参数时，建议将被标记为较高风险而不是保留，因此决定权仍由您决定。
Fyralith 本身不设定最低资本门槛，因为它提供分析而不是执行交易。任何最低限度将取决于您用于根据建议采取行动的经纪公司或账户。
基础市场数据在整个交易时间内不断刷新。公共表现分类账每天都会更新，因此您可以在依赖新信号之前查看最近信号的表现。