任何一个通过平台工作或个体经营的人都熟悉这种波动：一个月的任务绰绰有余，下个月就短缺。这种不可预测性使得人们很容易根据情绪或最新价格走势做出投资决策，而不是基于一致的方法。
如果没有结构化的框架，就很难确定市场走势何时是相关的、何时是噪音。
Faam Winstiek 通过定量分析处理市场数据，并首先根据历史场景测试每个策略，然后将其作为建议发送给用户。这个过程称为回溯测试：根据过去的数据模拟策略，看看它的表现如何。
结果并不是回报的保证，而是一个经过可衡量的风险和回报特征而非直觉证实的建议。
Faam Winstiek 专为那些想要在工作之外建立第二个收入来源而无需先参加量化金融课程的用户而设计。该界面显示了建议的含义、与之相关的风险以及该结论背后的数据。
我们不会将价格预测视为绝对真理。每条建议都带有风险指示，因此用户可以做出明智的选择，而不是盲目遵循。
每个功能都可以单独解释，因此用户可以理解为什么给出推荐，而不仅仅是该推荐是什么。
机器学习模型识别价格、数量和宏观经济数据的模式。这些模型会根据新的市场状况定期修订，以便假设不会过时。
每项建议都附有基于波动性和历史回撤的风险评分。回报和风险总是一起出现，而不是分开出现。
策略经过多个市场周期的测试，包括下行压力时期。这清楚地表明了策略在有利的市场条件之外的表现。
我们展示的不是客户案例或推荐，而是流程。这样你就可以自己判断该方法是否符合逻辑，而不是依赖别人的评估。
该平台从多个来源收集市场数据、订单信息和宏观经济指标，更新频率与所选策略相匹配。
输入的数据经过相关性过滤，然后由经过较长历史序列训练的模型进行处理，以区分噪声和有意义的信号。
信号被组合成一个具体的建议，包括风险指示和潜在的推理，以便用户理解为什么提出这一建议。
对于任务间隔时间很少的用户，该平台建议根据变化的风险评估定期重新平衡。用户评估该提案并决定是否实施。
想要更主动监控的用户，一旦仓位风险指标超过预设阈值，就会收到通知。这可以防止人们事后发现市场状况发生了变化。
该平台将受监管交易所提供商的市场数据与公共数据集中的宏观经济指标结合起来。在将每个源合并到模型中之前，都会检查其通用性。
帐户信息以加密方式存储，访问分析功能需要身份验证。 Faam Winstiek不会自动执行交易；每个推荐都需要用户的确认。
订阅提供对分析模型、回测结果和通知的访问。在试用期内，可以使用最重要的功能，因此您可以在选择长期订阅之前评估建议。
不会。回测显示策略过去的表现，而不是未来的表现。因此，每项建议始终与风险指示相结合，以确保期望保持现实。
没有必要。每条建议的解释都是为没有财务背景的用户编写的，并在相关时对技术术语进行了解释。