Vellermont Trust 摄取大量市场数据——交易所订单簿、链上结算流和宏观流动性信号——并将其转换为所考虑的每种资产的持续更新的风险评分。目标是系统效率：减少人工决策，减少被动交易行为的风险，以及根据情况变化调整的缴款时间表，而不是固定在日历日期。
这是为机构风险部门构建的同一类预测模型，减少到单一经常性捐款的规模。模型没有任何变化；只有帐户的大小才可以。
市场数据（价格、交易量、订单深度和链上流量）是从多个来源连续收集的，并标准化为单个数据集。
统计模型过滤掉信号中的噪音，对近期市场行为的权重高于不再反映当前状况的历史平均值。
每个候选切入点都会根据开户时设置的风险阈值进行评分，从而消除了时机决策中的自由判断。
贡献会在经过验证的入口点自动安排和执行，并保留完整记录以供以后审查。
在安排捐款之前，该模型会估计相关资产的一系列可能的短期结果，而不是产生单点预测。波动性被标记，当波动性超过账户配置的阈值时，贡献将被推迟，而不是在不利的时刻执行。
这产生了一个经过风险调整的目标，而不是一个有保证的目标。这种区别是经过深思熟虑的，并且在设置时向每个帐户持有人公开，而不是隐含的。
每月固定金额会自动分配，并根据测量的波动性而不是静态日期在当月内调整时间。
每笔捐款在执行前都会根据当前的市场状况进行检查，从而减少在短期高峰期间投入资金的可能性。
随着持有量的增加，该模型会重新计算风险敞口并调整未来贡献权重，以将总风险保持在投资者规定的阈值内。
无法解释的预测模型很难得到资本的信任，无论其表面表现如何。 Vellermont Trust 生成的每个得分入口点都可以追溯到生成它的特定数据输入和阈值。这是通过与模型开发分开的流程定期进行审查的。
帐户和交易数据在加拿大存储和处理，在静态和传输过程中进行加密，并且绝不会出售或与第三方营销人员共享。
阅读方法论白皮书Vellermont Trust 的建立前提是，大多数早期投资者在时机决策上的损失比在资产选择上的损失更多。删除该决定——用经过验证的、风险评分的时间表取代它——是该平台的全部功能。
该团队维护模型，设置审计流程，并且不代表账户持有人管理全权委托交易。该平台的作用是一致地执行预定义的流程，而不是确定地预测结果。
了解我们的方法