Sévélune aggrega dati di mercato continui e applica modelli stocastici addestrati su cicli storici. Le strategie proposte sono testate su diversi anni di dati, per un accesso strutturato ai mercati delle criptovalute adattato a un pubblico studentesco con capitale limitato.
La base tecnica si basa su tre fasi sequenziali: raccolta, ponderazione del rischio, quindi segnalazione. Ogni passaggio è documentato in modo da comprenderne la logica, non solo il risultato.
I feed dei prezzi, i volumi degli scambi, la profondità del portafoglio ordini e gli indicatori on-chain vengono raccolti su più piattaforme e continuamente normalizzati.
I modelli probabilistici stimano la distribuzione dei rendimenti nel breve e medio termine, isolando i movimenti strutturali dalle variazioni erratiche.
Il sistema segnala un'opportunità solo quando il rapporto rendimento atteso/volatilità stimata supera una soglia prefissata.
| Componente | Specifica | Frequenza |
|---|---|---|
| Fonti di mercato | Libri ordini aggregati, multipiattaforma | Continua |
| Latenza di elaborazione | Pipeline di calcolo vettorizzata | ≈ 400ms |
| Finestra di backtest | Dati storici 2018–2024 | 6 anni |
| Revisione del modello | Riqualificazione su nuovi dati | Settimanale |
Sévélune non fa previsioni assolute. La piattaforma ripristina probabilità, intervalli di confidenza e scenari di rischio, sta a te decidere in base al tuo orizzonte e alla tua tolleranza.
Ogni raccomandazione è accompagnata dalla cronologia delle prestazioni e dai limiti noti, in modo che la decisione rimanga informata anziché delegata.
Ulteriori informazioni su SévéluneLe cifre seguenti provengono da simulazioni basate su dati passati. La performance storica non è garanzia di risultati futuri, soprattutto in un mercato volatile come quello dei cripto-asset.
Portafoglio simulato, ribilanciato mensilmente in base ai segnali del modello, nel periodo 2018-2024.
| Strategia (backtest) | Rendimento annualizzato | Prelievo massimo | Sharpe |
|---|---|---|---|
| Portafoglio passivo (riferimento) | 31,2% | −42,7% | 0,71 |
| Modello Sévélune — profilo conservativo | 19,8% | −11,4% | 1,58 |
| Modello Sévélune — profilo bilanciato | 27,5% | −18,3% | 1.42 |
I dati sopra riportati provengono da simulazioni retrospettive (backtesting) e non costituiscono garanzia di performance future. Il mercato delle criptovalute rimane esposto a perdite di capitale, anche in scenari di rischio controllato.
Ogni modulo risponde a una domanda operativa specifica: quando agire, come distribuire il capitale e quale perdita massima accettare.
Notifica non appena un asset monitorato supera una soglia statistica definita dal modello, con il livello di confidenza associato a ciascun segnale.
Allocazione del capitale calcolata sulla base della correlazione tra asset e volatilità stimata, per l'ottimizzazione in tempo reale dell'esposizione complessiva.
Testare scenari di mercato avversi sulla tua attuale allocazione, con stima della massima perdita probabile su un dato orizzonte.
Sévélune è stato progettato per un pubblico che scopre l'analisi di mercato insieme ai propri studi, con un capitale iniziale spesso limitato.
Nessun capitale minimo è imposto da Sévélune per consultare moduli e segnali storici. Le commissioni per l'esecuzione degli ordini dipendono dalla piattaforma di scambio scelta dall'utente.
L'obiettivo resta didattico oltre che operativo: comprendere i meccanismi di una decisione prima di applicarla con importi reali.
Perché scegliere SévéluneRisposte dirette su origini dati, latenza e logica di protezione del capitale.
I flussi provengono da registri ordini di borsa centralizzati e indicatori pubblici on-chain. Per visualizzare i segnali non sono richiesti dati personali sulle transazioni.
L'intera elaborazione, dalla raccolta alla generazione del segnale, avviene in circa 400 millisecondi. Questo ritardo non elimina il rischio di esecuzione nei mercati con elevata volatilità.
No. Il sistema mira a ridurre l’esposizione a modelli storicamente avversi, ma non può negare il rischio di perdita inerente ai criptoasset. Il massimo drawdown osservato nel backtest rimane un indicatore retrospettivo.
I risultati visualizzati provengono da simulazioni su dati storici. Le condizioni del mercato cambiano e un modello che funziona bene in un periodo può sottoperformare in un altro.
No, ma i moduli didattici integrati sono progettati per integrare i concetti mancanti prima di utilizzare gli strumenti di simulazione del rischio.
Esamina i modelli, i risultati dei test retrospettivi e i moduli formativi prima di prendere qualsiasi decisione sull'allocazione. L'accesso all'analisi non richiede alcun impegno di capitale iniziale.