技术
每个分配决策都是基于定量、记录和可重复的分析，而不是定向市场预期。
01
价格、交易量和情绪指标的源不断聚合以提供决策模型，而不会出现明显的延迟。
02
在任何执行之前，统计模型都会识别出可能构成有利切入点的价格差距。
03
预定的买单按照设定的时间表进行调整和执行，无需人工干预或情绪决定。
技术规格： 该基础设施以适合每个分配配置文件选择的投资窗口的频率处理多源市场数据（订单簿、汇总量、链上指标）。
方法论
该系统不会尝试预测市场方向。它可以识别价格形成中的统计异常，以优化已计划采购的执行时间。
持续收集与所考虑资产相关的市场数据和情绪指标。
波动性、流动性和中短期趋势的交叉来确定市场状况。
识别与通常价格行为的统计显着偏差。
根据决策时衡量的风险水平调整分配规模。
DCA 时间表保持不变；仅优化计划窗口内的精确执行时间。
订单被执行并记录，并具有可搜索的促成决策的参数历史记录。
该模型永远不会在“投资”或“不投资”之间做出决定：定期分配仍然是规则。它仅确定给定窗口内执行每个切片的最佳时间。
谁构建了 Cygne Fondoire
我们设计并发展支持每个分配决策的模型。我们的工作重点是所使用信号的质量、检测到的异常现象的统计稳健性以及应用于每个投资者概况的风险框架的一致性。
模型的每次更新在部署之前都会记录并根据历史数据进行测试，以限制市场条件下预期行为和实际行为之间的差距。
风险管理
在寻求绩效之前，管理回撤和保留资本构成了模型的结构约束。
Cygne Fondoire 的运营遵守适用于法国数字资产服务提供商的义务。定期审查风险框架并记录每个分配情况，以便对系统做出的决策进行事后控制。
使用案例
方法保持不变；只是分配的范围和频率根据所选配置文件的不同而有所不同。
家族办公室或企业财务部希望建立渐进式风险敞口，但又不想动员专门的团队来日常监控市场。
寻求将数字资产整合到更广泛的财富配置中的高级管理人员或知情投资者，但随着时间的推移监控有限。
常见问题
以下答案涵盖了我们的对话者最常提出的症结所在。
是的。自动化涉及的是进入决策，而不是资金的可用性。提款遵循所使用的市场基础设施的通常截止日期。
资产根据将运营资金与投资资金分开的安全协议进行存储，并将存储安排的文件传达给每个投资者。
当测得的波动性超过典型水平时，下行管理阈值会自动收紧，从而减少执行部分的规模，而不是中断计划。
该模型设计用于几个月到几年的定期分配。它不适合短期投机。
定价结构取决于所选的分配方案，并在实施之前与我们的团队讨论时详细介绍。
