预测建模
根据历史价格行为训练的统计模型可以识别可能的近期状况，并随着新数据的到来而不断更新，而不是按照固定的时间表进行更新。
时区问题
市场不会因旅行安排而暂停。在您在新城市找到可靠的互联网之前，在悉尼开设的职位可能会发生重大变化，并且在航班之间检查图表并不是一个研究过程，而是一种反应。
大多数远程投资者最终都会在不一致的时间里根据部分信息做出决策，而疲劳对他们不利。 Qavornelyx 旨在将分析与您的位置和注意力范围分开。
核心能力
四个组件协同工作，将历史模式数据转变为受管理的、具有风险意识的位置，而无需您在情况发生变化时在屏幕前。
根据历史价格行为训练的统计模型可以识别可能的近期状况，并随着新数据的到来而不断更新，而不是按照固定的时间表进行更新。
头寸规模是根据波动性和回撤容忍度计算的，而不仅仅是预期回报，因此敞口是根据当前的市场状况调整的。
输入数据在到达时根据回溯测试参数进行评估，从而减少市场变化和对其响应之间的滞后。
当模型置信度或风险阈值发生变化时，分配会根据预设规则进行调整，无需您手动触发。
预测模型估计的是概率，而不是确定性。回溯测试的表现反映了历史市场条件和当时有效的参数集；它不能保证未来的结果。风险调整配置减少了不利波动的风险，但并不能消除市场风险。
方法论
回溯测试是将策略的规则应用于历史数据的过程，以了解在实时条件下向策略分配任何资本之前其表现如何。 Qavornelyx 的流程分为四个阶段：
历史和实时市场数据是从交易所源收集的，并标准化为一致的建模格式。
候选策略是根据历史时期（包括波动和平坦的条件）运行的，以评估行为而不是单一的有利窗口。
根据测试结果调整风险阈值和分配规则，然后重新测试以确认不同时期的调整是否成立。
经过校准的策略进入实时监控，其中持续的绩效与滚动基础上的回测预期进行比较。
数据来源：交易所提供的价格和成交量信息，在标准市场数据访问下使用。不使用专有或客户交易数据来训练预测参数。
应用场景
投资组合多元化
在东南亚工作了三个月的投资者仍然需要跨多个市场和货币进行投资。 Qavornelyx 持续跟踪持仓之间的相关性，当市场共同波动时多元化收益受到侵蚀时，Qavornelyx 就会出现相关性。
好处：根据当前相关数据检查多元化，而不是出发前设定的假设。
实时风险缓解
核心位置的隔夜大幅波动不会等待您当前时区的工作时间。预设的风险阈值会触发自动调整，并在您下次签到时提供摘要。
好处：暴露度根据回测阈值进行调整，与您何时醒来做出反应无关。
系统化收入
一旦设置参数并监控漂移，策略就会根据其校准规则执行。审查保持定期而不是持续，这适合围绕旅行而不是市场时间制定的时间表。
好处：策略执行继续按照与计划无关的逻辑进行，经过审查而不是手动重新运行。
常见问题
不会。监控和执行在 Qavornelyx 的基础设施上持续运行。只要您的日程允许，您就可以在任何时区查看性能并调整参数。
在校准参数并进入实时监控之前，每个策略都经过多个历史时期的测试，包括波动和稳定的条件。然后将绩效与滚动基础上的回测预期进行比较。
风险阈值旨在当实际情况偏离策略校准模式时自动减少暴露。这并不能消除风险，但它限制了在调整发生之前头寸可以漂移的程度。
是的。风险阈值和分配限制是可配置的，并且在应用于实时监控之前会根据历史数据对更改进行测试。
市场数据是从标准交易源中提取的，用于建模目的。账户级别信息仅用于应用您配置的风险和分配设置，而不是影响预测参数。
对您的设置有疑问吗？ 联系Qavornelyx。
Qavornelyx 并不要求您相信结果——它会向您显示其背后的回溯测试参数和实时监控，因此继续的决定是基于方法而不是承诺。
访问分析初次接触后，在开始任何配置之前，预计会演练该方法和当前经过回测的策略集。没有义务在该阶段继续进行。