方法论
Nytheral 不预测意见的结果。每个策略都会根据跨市场周期的多年价格数据进行测试，然后在作为建议出现之前对其一致性进行评分。该序列的存在是为了将持久模式与短期噪音分开。
能力
价格走势、成交量变化和波动信号在发生时进行处理。对于平衡课程作业和兼职时间表的学生来说，这消除了手动监控图表的需要，同时仍然根据当前数据而不是昨天的快照做出决策。
建议并不是围绕固定的投资组合规模建立的。支持较大分配的相同逻辑也按比例应用于较小的学生规模职位，因此无论启动资金如何，切入点仍然具有相关性。
一旦策略激活，停止条件和分配上限就会自动应用。这减少了波动期间情绪决策的影响，这是早期投资者损失的常见来源。
奈瑟拉引擎
每个输出都可以通过相同的四个阶段进行追溯。模型之上没有应用任意覆盖。
持续获取多个来源的市场数据，涵盖相关资产的价格、交易量和波动性指标。
模式识别根据历史相关强度，将统计上显着的变动与短期噪音隔离开来。
在生成任何建议之前，候选策略会针对过去的周期进行回溯测试并根据风险进行调整。
由此产生的输出作为结构化推荐提供，植根于数据而不是情绪或预测叙述。
实际应用
根据历史相关数据在多种资产之间分配有限的资本，减少对任何表现良好的单一头寸的依赖。
根据过去的波动模式确定统计上有利的入场窗口，而不是对短期价格变动做出反应。
使用长期一致性的加权策略构建多年投资组合，而不是短期投机收益。
关于模型
Nytheral 的设计围绕一个前提：当决策基于可验证的数据而不是市场情绪时，决策就会得到改善。该平台不承诺巨额回报。它的建立是为了减少进入加密市场的经验和资本有限的人们可避免的风险，使用与机构级数据分析相同的分析规则。
问题
赌博依赖于机会，没有结构化的决策基础。 Nytheral 根据历史回测和风险调整模型生成建议，这意味着每个输出都可以追溯到特定的数据模式而不是预感。这并不能消除风险，但它用记录的流程取代了猜测。
回溯测试将策略应用于历史价格数据，以了解该策略在过去的市场条件（包括经济低迷）下的表现如何。它不能保证未来的结果，但它显示了策略在历史上是否在现实波动下而不是仅在有利条件下保持不变。
操作帐户所需的个人数据根据适用的德国和欧盟数据保护要求（包括 GDPR）进行处理。用于分析的市场数据是汇总的，不需要共享超出操作账户所需的个人财务详细信息。
无需任何交易经验。该平台旨在为处于投资时间表早期的人们构建决策，这是首次探索加密货币市场的学生的共同起点。
没有任何型号可以保证退货，Nytheral 也不声称这样做。它提供的是一个记录的、数据驱动的流程，用于评估机会和管理风险，这与非结构化投机是一个有意义的不同起点。