该系统不会根据直觉做出预测。在提出任何操作指示之前，它通过三个连续阶段处理历史数据，每个阶段都可验证和记录。
该引擎从多个市场来源收集价格、交易量和波动性数据，对其进行标准化，以消除可能扭曲后续分析的异常和不连续性。
统计模型分析宏观变量和资产行为之间的相关性，将反复出现的信号与短期波动典型的市场噪音分开。
最终指标考虑了资产的历史波动性和公布的风险状况，避免过度集中于个别头寸。
技术验证：每个策略都在与模型校准不同的历史时间窗口上进行测试，以降低对过去数据过度拟合的风险。
以下功能降低了定量分析典型的操作复杂性，保持了每项建议所用标准的透明度。
该系统不断更新市场状况的分析，报告波动性的重大变化，而无需用户持续手动控制。
每个用户配置文件定义每个资产和整体投资组合的最大风险阈值，自动应用于引擎生成的每个指示。
每个建议都附有生成它的历史参数，可以随时查阅以验证底层逻辑。
我们不展示个人用户的案例研究：我们展示在可用数据的范围内，与市场历史相比模型的表现如何。
实线表示在定义的历史时期内经模型过滤的策略的模拟表现。虚线代表同一范围内参考资产的原始波动率。
该比较并不是对未来表现的预测：它说明了与不受管理的暴露相比，预测过滤器如何减少波动峰值的暴露。
透明度说明：模拟历史结果并不能保证未来结果。回测数据受到可用历史序列和分析期间市场状况的内在限制。
大学用户的典型特征需要时间效率和风险控制，而不是操作频率。
引擎会自动处理需要数小时手动分析的变量，只将最终的分配决定留给用户。
风险阈值适应有限的投资资本，避免了为机构投资组合设计的逻辑。
所提出的策略有利于中长期交易而不是高频交易的一致性，从而降低隐性交易成本。
Avelixio 的创建是为了向学生和年轻专业人士提供结构化的定量分析访问权限，这在历史上是为拥有更多技术资源的机构运营商保留的。
我们的工作重点是输入数据的质量和模型的可测试性，而不是短期内高回报的承诺。
