市场背景
数字资产市场产生持续大量的价格变动、评论和订单流数据。其中大部分都是噪音：短暂的反应，扭曲而不是提供信息。 Clos Thesaurelle 过滤 500 多个来源，包括订单簿、链上活动和情绪源，以隔离具有统计权重的模式。
方法论
透明度比速度更重要。每项建议都会经历三个不同的阶段，每个阶段都可以单独审核。
01 — 摄入
来自 500 多个货币对的价格、交易量和订单簿数据以及链上指标和结构化情绪指数持续传输，并标准化为通用分析格式。
02 — 分析
预测模型识别跨时间范围内重复出现的结构模式，根据当前波动性对历史可靠性进行加权，以生成概率排名的信号集。
03 — 优化
在提出任何分配之前，信号会转化为头寸规模建议，并根据现有投资组合敞口和明确的风险承受能力进行校准。
范围和规模
这些数字描述的是覆盖范围和处理能力，而不是预计的回报。我们不会发布基于模拟或回溯测试结果的性能估计。
复合信号周围标准偏差带的说明性表示，随着数据量和模型置信度的增加而变窄。
风险管理
每项建议在提出之前都会针对下行风险进行评估。目标是限制回撤，而不是追逐尽可能大的头寸。
头寸在推荐时被指定退出阈值，该阈值是根据近期波动而不是固定百分比计算的。
在异常波动期间生成的信号会被标记并加权，从而减少对扭曲数据采取行动的可能性。
使用风险调整比率而不是原始预计收益对建议进行排名，使模型的优先级与资本保值保持一致。
关于平台
Clos Thesaurelle 的设计基于这样的假设：用户会质疑每个输出。因此，该架构优先考虑可追溯性：每个建议都可以追溯到产生它的数据点和权重。
准入是为财富管理者和成熟的投资者而设计的，他们需要每一个分配决策背后都有合理的理由，而不是一个承诺巨额回报的黑匣子。
回顾平台优势常见问题
针对入职前最常提出的问题的一组简明答案。
数据来源于受监管的交易所订单簿、链上活动源和跨 500 多个交易对的结构化情绪聚合器。每个来源根据其历史可靠性和更新频率进行加权。
集成使用限制在所需最低限度的读取和执行权限，并在静态和传输过程中对凭证进行加密。 Clos Thesaurelle 从不要求提款权限作为访问条件。
通用机器人通常仅针对价格行为执行固定规则集。 Clos Thesaurelle 结合了多源数据摄取、预测模式识别和投资组合级别风险平衡，每个建议都可追溯到其源数据。
没有任何模型可以保证波动性资产类别的回报。 Clos Thesaurelle 旨在提高决策背后的信息质量，而不是承诺特定结果。
入职从对现有基础设施的技术审查开始，然后是范围内的集成期。在作出任何承诺之前，技术团队可以获取文档。