Coral Rendova aplica modelos de IA com filtro de risco aos mercados de criptomoedas e compila os resultados em um relatório diário. Sem fóruns, sem bate-papos em grupo, sem suposições.
Construído para estudantes do Reino Unido. Projetado em torno da redução de riscos, não da especulação.
Os investidores estudantis raramente carecem de opiniões. As previsões de preços circulam em bate-papos em grupo minutos após qualquer movimento do mercado, e a maioria delas não traz nenhuma análise por trás delas.
O Coral Rendova remove o ruído processando dados de mercado de forma computacional, e não emocional. O modelo não reage ao sentimento. Ele reage ao volume, à volatilidade e ao desvio de padrão histórico e, em seguida, classifica cada ativo em relação a um limite de risco fixo antes que qualquer coisa chegue ao relatório.
O modelo ingere dados de preços, volume e carteira de pedidos continuamente. Ele identifica mudanças de padrão antes que se tornem visíveis em um gráfico padrão, proporcionando uma vantagem mensurável em vez de uma previsão de certeza.
Cada ativo é pontuado em relação a um limite de volatilidade antes de poder aparecer numa recomendação. Os ativos que excedem o limite são excluídos automaticamente, independentemente do impulso de curto prazo.
Cada relatório é datado, arquivado e escrito em linguagem simples. Você vê o que o modelo sinalizou, por que foi sinalizado e o desempenho das seleções do dia anterior.
O Coral Rendova foi construído em torno de uma restrição simples: os alunos devem ser capazes de entender por que existe uma recomendação, e não apenas confiar que ela existe. Cada resultado remonta a uma etapa documentada no processo de filtragem de risco, que é descrita na íntegra na metodologia abaixo.
A plataforma não promete retorno. Reduz o tempo necessário para ler um mercado volátil e torna visível o raciocínio por trás de cada decisão.
Cada relatório segue a mesma sequência. Nenhuma etapa é ignorada e nenhuma substituição manual altera a ordem.
Os dados de preços, volume e liquidez são extraídos de múltiplas bolsas em intervalos regulares ao longo do dia, dando ao modelo uma visão atual em vez de um instantâneo atrasado.
Um modelo de aprendizado de máquina pontua cada ativo em relação a um limite fixo de volatilidade. Os ativos acima do limite são retirados de consideração antes de qualquer recomendação ser elaborada.
Os ativos restantes são compilados em um único relatório datado, com raciocínio em linguagem simples, publicado no mesmo horário todas as manhãs.
Um estudante de finanças usa os relatórios diários como referência para uma dissertação sobre volatilidade do mercado. Os registros arquivados fornecem um registro datado e consistente do raciocínio do modelo que pode ser citado e revisado durante todo o período.
Um estudante de engenharia com uma mesada mensal modesta usa o filtro de volatilidade para evitar ativos sujeitos a oscilações repentinas. O relatório substitui a verificação de preços por hora por uma única leitura de cinco minutos todas as manhãs.
Abaixo está um exemplo do formato do relatório. As figuras ilustram apenas o layout e não são um registro de performance ao vivo.
| Data | Ativos revisados | Marcado como de alto risco | Status do relatório |
|---|---|---|---|
| segunda-feira | 128 | 41 | Publicado às 07:00 |
| Terça | 131 | 37 | Publicado às 07:00 |
| Quarta | 126 | 44 | Publicado às 07:00 |
Exemplo de formato de relatório para ilustração. Painéis ao vivo estão disponíveis para usuários registrados.
Cada relatório publicado é marcado com data e hora e armazenado em um arquivo permanente, para que o raciocínio anterior possa ser verificado em relação aos resultados posteriores. O log não é editado retroativamente.
Crie uma conta para receber o próximo relatório diário e veja como o processo de filtragem de risco se aplica às condições atuais do mercado.
Veja por que os alunos escolhem o Coral Rendova