该系统同时处理多个资产类别的高保真数据流，而不是手动跟踪狭窄的观察列表。
500 多个货币对的价格、交易量和波动性数据被持续摄取，使模型能够比较各个市场的状况，而不是孤立地进行比较。
该引擎可识别工具之间的统计关系，并在历史上一个市场的波动先于另一个市场的波动时进行标记。
数据流带有时间戳并按新近度进行加权，因此决策是基于当前条件而不是延迟的快照。
每个阶段的存在都是为了减少噪音和情绪对结果的影响。
来自 500 多对的市场数据被标准化为通用结构，在到达建模层之前过滤饲料质量。不完整或异常的数据点将被丢弃而不是内插。
根据历史模式集对汇总数据进行评分，以生成短期和中期的概率加权预测。每个预测都有一个置信区间，而不是一个固定数字。
头寸规模根据预先确定的风险限额确定，而不仅仅是根据预测回报确定。这可以防止个别信号主导整体分配。
关于风险缓解： 由于自由职业者的收入本质上是不规则的，因此默认情况下风险限额设置得保守。该模型将合同之间的资本保值视为一种约束，而不是事后的想法。
英国自由职业者通常面临可变的结算日期、交错的合同以及不规则的增值税或自我评估负债。 Aloke Dhonendra 是围绕这种不规则性而不是固定的月薪模式构建的。
项目之间持有的闲置资本因通货膨胀和机会成本而失去相对价值。该平台被定位为财务缓冲：在寻找合同时，根据风险调整模型分配原本静态的资本。
节税增长规划由可导出的活动记录支持，这些记录可以在自我评估截止日期之前传递给会计师。系统不提供税务建议；它生成顾问所需的数据。
合同结束释放的流动性被识别并标记为可用于分配。
缓冲区分配资本根据用户设置的受监控货币对的风险限额进行分配。
持续监控随着新合同收入和支出的记录，头寸将被不断审查。
按需提款当新合同需要营运资金时，可以提取流动资金。
Aloke Dhonendra 的设计围绕一个简单的观察：管理自己收入的自由职业者很少有时间手动监控市场，但他们通常比每月固定义务的受薪工人更能容忍短期波动。
该平台不会发表有关市场走向的意见。它发布已定义流程的输出（聚合、建模和执行）并保留该流程的记录以供审查。
Aloke Dhonendra 不依赖推荐，而是发布其回溯测试背后的方法，并随着模型的修订进行更新。
六个历史测试窗口的方向精度的说明性表示。可根据要求提供完整的回测参数。
每个预测模型都有版本。历史预测与实际结果一起保留，因此可以独立于当前生产的版本来审查准确性。
未提供任何前瞻性数据作为保证。回溯测试结果描述了历史条件下的过去表现，并不代表未来回报。
数据源会持续轮询，模型会在摄取后几秒钟内对受影响的仪器重新评分。执行决策包含一个简短的确认窗口，以避免对单个错误的报价做出反应。
连接使用加密传输和有范围的、可撤销的密钥。交易权限和提款权限是分开持有的，因此受损的只读密钥无法授权资金移动。
当波动性超过给定货币对的历史阈值时，将重新计算风险限额。实际上，这通常会减少头寸规模或暂停受影响工具上的新条目，直到情况恢复正常。
是的。演示模式根据模拟平衡重放相同的数据和建模管道，因此可以在分配任何实时资本之前审查决策过程。
它不适合寻求有保证的短期回报或不愿接受任何资本风险的用户。它是为习惯以数据为主导、随着时间的推移进行风险调整的分配的用户而设计的。