副业收入的分配
自由职业者将其不定期月收入的一部分投入到几种低到中等风险的策略中。目标是保持该收入的购买力，同时允许系统根据市场状况调整分配，而无需每天监控头寸。
仪表板上出现的每条建议都经过了一系列结构化数据处理，而不是单个模型单独运行的结果。
该系统持续从各种来源收集市场数据、经济指标和交易量变动，然后过滤与当前市场状况相关的数据。
过滤后的数据通过预测模型进行处理，该模型测量特定时间范围内价格变动的历史模式和概率，并定期重新验证。
模型结果被转化为具有预定义风险参数的执行策略，包括最大损失限额和每个工具的风险分配。
对于收入波动的工人来说，决策过程的一致性比追求即时结果更重要。
该分配同时遵循多种具有不同风险状况的人工智能策略，因此风险敞口不会依赖于一种工具或一种分析方法。
执行决策遵循预先设定的参数，减少了由于恐慌或短期市场兴奋而做出突然决策的倾向。
该模型持续监控市场走势，因此用户无需在主要工作之间全天监控图表。
每个策略在执行开始前都会显示最大损失限额，从而控制可接受的风险敞口。
复杂数据以无需数据科学背景即可阅读的格式显示。用户可以透明地查看每个策略的表现、风险分配和执行历史记录。
以下两个场景说明了自由职业者通常如何使用 Mponusa 来管理他们的副收入。
自由职业者将其不定期月收入的一部分投入到几种低到中等风险的策略中。目标是保持该收入的购买力，同时允许系统根据市场状况调整分配，而无需每天监控头寸。
时间范围短的用户同时对多个策略设置严格的损失限制。当市场波动加剧时，系统会自动调整风险敞口，使投资组合风险保持在预定的限度内。
以下答案旨在解决使用该平台之前最常提出的技术问题。
账户数据和交易历史在存储和传输层面进行加密存储。根据需要限制内部访问，并且帐户参数的任何更改都记录在用户可以查看的审核日志中。
系统复制已通过预测模型验证过程的策略的执行参数。复制遵循用户设置的分配比例，而不是从参考策略中一模一样地复制交易金额。
该模型会使用最新的市场数据定期重新验证。更新频率根据市场波动程度进行调整；在快速变化的市场条件下，评估周期比正常条件下进行得更频繁。
不会。每个策略都会显示历史数据和风险指标作为考虑的基础，而不是结果的保证。该平台的目标是帮助做出更慎重的决策，而不是消除投资风险。
最小分配值遵循仪表板上可用的每个策略的规定。在用户设置分配之前，可以在每个策略的详细信息页面上查看完整的详细信息。