数字资产市场产生连续的信号：价格、交易量、新闻、链上变动。这种持续不断的流动产生了我们所说的信息噪音，也就是说数量众多但层次结构较差的数据。
手动跟踪这些变量以调整配置需要时间和纪律，很少有个人投资者能够长期坚持下去。 Lior Orvalis 正是负责这种排序和优先级划分工作。
Lior Orvalis 利用统计模型和学习算法来处理大量市场数据。每条建议都会被记录下来，以便您可以了解其起源。
价格、交易量和新闻源会被连续处理，这样就可以在重大变化出现时立即检测到它们，而无需等待手动合并。
这些模型可以识别资产之间的相关性，并调整建议的风险阈值，以限制突然变动对整个投资组合的影响。
每日报告详细介绍了观察到的变动、建议的调整及其理由，因此透明度仍然是每个决策的核心。
该方法在每个阶段都保持线性且可验证，这使得了解建议是如何构建的成为可能。
收集多个来源的市场信息、交易量和链上指标并进行标准化，形成共同的分析基础。
统计模型会考虑所需的风险水平和投资组合资产之间的相关性来评估可能的分配方案。
所采纳的建议以清晰的语言制定，并附有每日报告，您可以自由选择是否采纳。
Lior Orvalis 专为谨慎的人士而设计，他们希望在应用每个建议之前了解其背后的逻辑。人工智能被用作决策工具，而不是自动收益的承诺。
每份每日报告都包含在您的投资组合中观察到的变化、建议的调整以及激励这些变化的数据，以便在每个阶段都保持完整的人工监督。
Lior Orvalis 不需要直接访问您的资产。平台分析市场数据并向您发送建议；交易的执行仍然是您的责任，这限制了与资金托管相关的风险。
这些模型基于公开市场数据（价格、交易量、订单深度）以及可免费访问的链上指标。分析不需要敏感的个人数据。
每天发送一份报告，总结观察到的变化和建议的调整。您保留查阅完整历史记录的可能性，以跟踪建议随时间的一致性。
不会。预测模型会构建信息并建议分配选项，但最终决定完全取决于您。目标是减少分析时间，而不是取代它。