初始情况
对于许多首次投资的人来说，股市似乎是一个不透明的系统，其中新消息、关键数据和价格走势不断发生冲突。信息量本身很少是问题——问题在于缺乏分类。
Luravi Zenom 将大量信息简化为结构化、可理解的信号。该平台不是评估个别新闻或每日动态，而是分析较长时间内的历史模式，并在提出建议之前系统地测试每个策略。
方法论
每个推荐在显示之前都会经历相同的三步过程。此过程刻意保持易于理解，以便您了解评估的依据。
不同市场阶段的价格趋势、交易量和宏观经济指标不断汇集和调整，然后纳入进一步分析。
统计和机器学习模型识别处理数据中的重复模式，并从中得出可能的策略假设。
每个假设在被提出作为策略之前都会根据过去的市场周期（包括价格大幅下跌的时期）进行测试。
回溯测试显示了策略在历史条件下的表现。这并不是对未来发展的承诺，但它是在做出决策之前更好地对策略进行分类的可理解的基础。
实际使用
通过结合多个历史市场阶段，可以确定在不同周期记录其波动范围的策略。这并不能取代单独的风险评估，但提供了比单一价格预测更可靠的基础。
数据库不断更新。如果相关市场趋势发生变化，这将在分析中变得可见 - 而不仅仅是在下一个季度报告中。
该方法独立于投资的资本金额。相同的分析原理可以应用于小型初始投资组合以及不断增长的投资组合。
透明度
可追溯性是该方法的一部分。以下几点解释了分析的数据库、限制和范围。
基础是公开的市场数据：历史价格趋势、交易量和选定的宏观经济指标。个人用户的个人财务数据不属于建模的一部分。
策略可追溯应用于历史市场数据，以检查其在不同市场阶段的表现。这样就可以在推荐策略之前对策略的波动范围进行分类。
历史模式不一定会重演。模型可以对现有数据进行分类，但无法准确预测未来的市场事件。分析只是辅助决策，而不是具体结果的保证。
不会。Luravi Zenom 提供结构化、基于数据的策略评估，但不能取代考虑您个人情况的个人财务或投资建议。
下一步
留下您的电子邮件地址以接收 Luravi Zenom 分析方法的概述。没有任何费用，也没有义务。
您将收到该方法的书面概述。您的数据不会传递给第三方。