场景 1 — 长期饲养
每月固定金额,定时分配
学生将每月预算的一部分分配给加密货币,并设置 Tilinsto 每月进行购买。该模型将金额分为几次较小的购买,并在估计短期风险较低时有时会强调它们。
我们的目标不是完美地把握市场时机,而是减少单个糟糕买入时刻的影响。
智能 DCA 自动化
Tilinsto 实时分析市场数据并计算自动 DCA 策略的定时购买时刻。没有日常监控,没有情绪化的决定。
开始分析起点
学生的预算是有限的,遵循课程曲线的时间就更有限了。许多人随机购买加密货币——有时是在价格高峰时,有时是在恐慌中。决策源于感觉,而不是数据。
解决方案
该服务收集市场数据,计算可能的有利购买时刻并根据商定的时间表完成购买。您定义预算和频率——模型负责时间安排。
结果是:更少的决策,更多的一致性。
每次购买都基于相同的可重复流程——无需猜测。
价格、交易量和波动性数据是从多个来源持续收集的。
预测模型评估市场状况并计算有利购买时刻的概率。
购买时间根据商定的 DCA 时间表和用户的风险设置进行调整。
购买是在约定的限额内进行的。该事件记录在用户的视图中。
逻辑并不寻求完美的基础。 它通过将购买分散在较长的时间内,并在模型估计风险低于平均水平时强调购买,从而降低了平均购买价格。
该策略旨在实现低风险、长期增长,而非短期交易。
Tilinsto 不承诺退货。它显示了决策是如何做出的。
该模型根据历史和实时数据进行概率估计。它不能确定地预测未来的价格,过去的表现并不能保证未来。用户始终可以看到购买的依据。
这些示例描述了自动化在不同市场情况下的运作方式。
场景 1 — 长期饲养
学生将每月预算的一部分分配给加密货币,并设置 Tilinsto 每月进行购买。该模型将金额分为几次较小的购买,并在估计短期风险较低时有时会强调它们。
我们的目标不是完美地把握市场时机,而是减少单个糟糕买入时刻的影响。
情景 2 — 市场波动加剧
当波动性迅速上升时,该模型会识别风险水平的变化,并可以在商定的时间表内移动或减少个人购买。用户不会在中午做出反应性决定。
所有更改都会显示在用户日志中并附有原因。
与证券交易所账户的连接是通过 API 密钥进行的,该密钥仅授予交易和读取权限。不授予提款权,Tilinsto 也不将资金保留在自己的账户中。
自动化停止并等待连接恢复。计划的采购未部分执行或基于估计 - 系统正在等待确认的数据。
是的。您可以随时停止自动化或更改设置。暂停不会影响之前的购买。
在开始自动化之前,始终会显示定价和可能的服务费。用户单独接受费用——订购期间没有隐藏费用。
是的。实施不需要以前的投资经验。用户定义预算和风险级别;该模型负责约定框架内的时间安排。
连接一个交换帐户,设置预算并让模型负责时间安排。