每周作业，无主动跟踪
收入可变的运输平台司机使用每日信号来分配其每周储蓄的固定部分，而无需在工作日检查市场。
Cresta Ahorranza 将机器学习模型与风险管理规则相结合，以识别手动分析很难以相同速度检测到的市场数据模式。该系统不断处理信息并将处理结果转化为具体的操作建议。
它专为寻求补充收入来源的零工行业专业人士和自由职业者而设计，无需花费大量时间手动跟踪市场。平台集中分析；您保留对最终执行的控制权。
该过程在生成任何市场信号之前结合了数据摄取、预测建模和持续验证。
这些模型连续循环整合多个来源的市场数据，无需人工干预。
机器学习网络识别历史序列和实时数据中的相关性和重复模式。
每个信号在被视为有效使用之前都会根据定义的风险参数进行检查。
市场状况不断被重新评估，并在会议期间调整当前的建议。
系统响应时间是按照处理周期来衡量的，而不是定期的手动检查。这允许市场变化在发生的同一天被纳入，而不是等待每周或每月收盘。
完全透明意味着您可以访问系统用于生成每个信号的相同级别的详细信息，而无需隐藏操作的聚合摘要。
系统通过执行前设定的规则来限制风险敞口，而不是通过事后的酌情调整来限制风险。任何超出配置限制的信号都会被自动丢弃。
| 参数 | 功能 | 设置 |
|---|---|---|
| 每项资产的风险限额 | 限制分配给单个头寸的资本百分比 | 用户可调 |
| 退出阈值（止损） | 达到规定的最大损失时平仓 | 用户可调 |
| 最小化多元化 | 在不相关资产之间分配资本 | 由风险状况定义 |
| 风险审查频率 | 确定重新计算当前参数的频率 | 继续 |
这些参数并不能消除市场风险；它们将其限制在您在开始任何分析周期之前定义的限制内。风险缓解作为执行前层，而不是修复后层。
零工工人从手动跟踪转向通过数据分析优化的工作流程的常见场景。
收入可变的运输平台司机使用每日信号来分配其每周储蓄的固定部分，而无需在工作日检查市场。
收入集中于单一客户的自由职业者将资本分配到系统建议的不同资产中，从而减少单一收入来源的风险。
时间有限的自雇送货司机只需配置一次执行参数并查看每日报告，而不是实时手动操作。