实际上，对于有工作、孩子和其他责任的个人或家庭来说，手动跟踪 500 多个交易对是不可能的。通常的结果不是信息缺乏，而是信息过多：数据太多，解释数据的时间很少，最终只能根据冲动或松散的建议做出决定。
对于家庭储蓄来说，这种过多的噪音会带来具体的成本。在没有分析框架的情况下做出的决策会使资本面临本来可以预见的变化，或者导致有数据支持的机会被忽视。
Fuego Rendanza并不能消除市场的不确定性，因为没有系统可以做到这一点。它的作用是过滤、组织和优先考虑这些信息，以便最终的决定（始终是人为的）基于结构化分析，而不是对标题或孤立图表的碎片阅读。
该系统不断接收市场信息，并将其传递给一组经过训练的预测模型，以识别不同时间范围内的行为模式。这些模型并不寻求绝对的确定性：它们会估计概率，并在建议采取任何行动之前将其与明确的风险管理规则相结合。
此过程允许您在相同标准下比较 500 个交易对，而不是用不同的方法对它们进行一一分析。正是这种一致性使得平台能够在不失去每个单独分析的严谨性的情况下进行扩展。
风险管理不是在流程的最后应用，而是在每个阶段应用：被质量过滤器丢弃的一段数据永远不会到达预测模型，而通过模型但不符合暴露规则的信号不会到达最终的推荐。
每项建议都附有根据分析货币对的近期波动性计算的敞口限额，而不是根据适用于任何资产的固定百分比。
每条建议都与产生该建议的数据一起记录下来，这样以后就可以查看为什么建议采取一项行动而不是另一项行动。
该平台不是单独审查 500 对，而是提供对实际符合定义标准的机会的联合解读。
风险参数可以随着家庭目标的变化而调整，而无需从头开始重建分析。
这个步骤顺序对于所有用户都是相同的，允许平台扩展到越来越多的同行，而不意味着每个单独分析的严格性降低。在此序列之外不会生成任何建议，并且不会跳过任何阶段来加速结果。
该方法被设计为可审计的：每个结果都可以追溯到产生它的数据和风险参数。对我们来说，可追溯性是比性能承诺更有用的替代品。
它并没有消除它：它限制了它。该系统在建议采取任何行动之前会应用风险暴露规则和波动性限制，以便决策在定义的框架内进行，而不是仅仅取决于当前的反应。
不会。平台会对信息进行排序和过滤，以便最终决策更加明智，但决策仍然是人为的。对于复杂的资产情况，我们继续建议顾问的支持。
模型不断地用新数据重新校准，但没有预测系统可以保证对意外事件的完美响应。这就是为什么暴露限制旨在减少这些情况的影响，而不是完全避免它们。
这不是必需的。该分析旨在以易于理解的术语进行解释，并为任何想要查看它的人提供技术细节。
只有信号同时通过预测模型和定义的风险过滤器的对才会被优先考虑。其余的已注册，但在满足这两个标准之前不推荐。