基于历史表现的预测
该模型根据过去的市场周期及其之前的预测进行了重新训练，因此当新的结果证实或反驳先前的预测时，其权重会进行调整。
在市场评论、财报电话会议和社会情绪之间，散户和半专业投资者可以获得的信息量的增长速度比任何人处理这些信息的时间都要快。结果往往是延迟决定或根据不完整的阅读做出决定。
Choice Novaris 旨在介于原始数据和决策本身之间，将数千个信号压缩成一个简短的建议列表，并按置信度和风险敞口进行排名。
更少的阅读，更结构化的判断——有你可以自己检查的证据支持。
每个组成部分都为其他组成部分提供营养。监控产生模型学习的数据；模型的输出决定了推荐内容。
该模型根据过去的市场周期及其之前的预测进行了重新训练，因此当新的结果证实或反驳先前的预测时，其权重会进行调整。
价格变动、交易量变化和公众情绪被持续跟踪，使系统能够在标准交易时间之外标记异常风险状况。
建议根据您规定的风险承受能力和时间范围进行加权，因此两个用户可以从相同的基础数据中获得不同的指导。
Choice Novaris 没有发布精心策划的推荐，而是发布了自己的建议的运行日志以及事后记录的结果。一旦表现不佳，就不会删除任何内容。
| 日志字段 | 它记录了什么 |
|---|---|
| 推荐日期 | 原始信号的时间戳 |
| 置信带 | 模型在发布时声明的确定性 |
| 结果窗口 | 在规定范围内跟踪结果 |
| 审核状态 | 参赛作品是否经过独立审核 |
链接现有经纪或投资组合账户，或者如果您不想连接外部账户，则从平台自己的市场源开始。
传入的数据会根据历史模式和当前情绪进行交叉检查，从而产生排名的候选名单而不是单个指令。
每个建议都包含其推理和风险范围，因此最终决定由您决定，而不是完全自动化。