主要加密货币对的单个交易日产生的价格、交易量和情绪数据超出了一个人可以合理审查的范围。其中大部分是噪音：短暂的反应，与中期方向无关。
Hash Hedge 的模型经过训练，可以将噪音与值得采取行动的信号分开，然后将结果转换为量身定制的建议，而不是通用的买卖警报。对于管理有限资金的学生来说，这种区别比原始速度更重要。
Hash Hedge 发布的每条建议都经过了相同的可重复流程。了解这些阶段有助于解释为什么建议看起来是这样的。
全球市场数据（订单簿、链上活动和公众情绪来源）被持续摄取并标准化为通用格式，以便进行资产比较。
模式识别模型，包括针对情绪变化进行调整的神经网络，将摄取的信号与历史价格行为进行权衡，以估计可能的近期范围。
每个输出都配有建议的头寸规模和对冲说明，因此建议既反映了机会也反映了其相关的缺点。
Hash Hedge 是基于这样的观察而构建的：大多数面向零售的加密工具都是为持续的活动而不是深思熟虑的决策而设计的。我们的分析师和模型工程师从一个更简单的前提出发：更少、更合理的建议比持续的信号流更好地服务于学生有限的资金和有限的时间。
生产中的每个模型都会被记录下来，并且每个发布的建议都会在其引用的任何市场变动之前加上时间戳。该顺序（先发布，后验证）是下面透明度日志的基础。
Hash Hedge 在发布后不会编辑或删除推荐。下面的日志说明了格式：资产、模型、方向和记录推荐的时间戳。参考期结束后，无论预测是否准确，都会附加结果。
| 资产对 | 型号 | 推荐 | 状态 |
|---|---|---|---|
| 比特币/欧元 | 动力与情绪的融合 | 减少风险敞口，建议对冲 | 已记录 |
| 以太币/欧元 | 波动率调整趋势 | 维持立场不变 | 已记录 |
| 索尔/欧元 | 情感加权模式模型 | 规模化报名，为期两周 | 等待结果 |
格式仅供参考；实时条目在发布时带有时间戳。
请求日志访问 →日志的目的是数学一致性，而不是营销。任何审查它的人都可以将推荐追溯到产生它的确切信号，这就是应该如何建立对模型的信心——通过可见的记录，而不是通过促销声明。
有限的预算并不一定意味着预算不多样化或不受监控。下面的三个场景反映了相同的建模方法如何适应较小的头寸规模。
模型根据绝对头寸规模（而不仅仅是百分比）重新加权建议的分配，因此 200 欧元的投资组合不会像 20,000 欧元那样被要求进行多元化。建议考虑了交易最低限度和交易成本拖累。
当预测模型检测到短期波动性上升时，系统会显示对冲票据而不是定向看涨期权。目标是减少一次急剧变动侵蚀一个学期节省的资本的可能性。
该平台建议根据目标分配的偏差，按规定的时间间隔进行重新平衡，而不是促使频繁交易。这使投资组合与其原始风险状况保持一致，而不鼓励持续的活动。
使用用于短期模式识别的梯度增强模型和用于情绪分类的神经网络相结合，对模型进行历史价格序列、订单深度和公众情绪数据的训练。训练集是滚动刷新的，而不是固定在单个时间点的，这有助于模型随着市场结构的变化进行调整。
Hash Hedge 根据适用于德国和更广泛的欧盟用户的要求处理账户和投资组合数据。用于模型训练的市场数据来自公共源，不包括个人身份信息。账户级数据仅用于调整对单个投资组合的建议，而不是影响基础模型。
是的。在生成任何建议之前，可以配置风险阈值。较低的阈值使模型偏向于资本保值和较小的建议头寸规模；较高的阈值允许具有更广泛预期范围的推荐。该阈值与每个记录的建议一起可见，因此可以在上下文中解释过去的输出。