分析引擎
Faucon Capitange 的预测模型结合了多时间框架技术分析和来自新闻源和专业网络的情绪分析。目标不是增加警报，而是仅保留历史验证概率超过定义阈值的信号。
整合
实时汇总 500 多个货币对（所有资产类别的报价、订单簿和新闻源）。
该模型交叉引用技术和上下文变量以隔离具有统计意义的配置。
每个保留的信号都与其概率水平、相关市场背景和建议的风险参数一起传输。
资本保全仍然是 Faucon Capitange 的运营重点。每项建议都附有根据历史数据计算的概率估计，允许在投入资金之前而不是在亏损之后调整头寸规模。
每个信号都会显示回溯测试的置信度分数，而不是简单的定性估计。
建议的头寸参数考虑了相关货币对观察到的波动性。
标记高波动时期以调整订单大小。
通知包括与定义的风险状况一致的输出级别。
方法论透明度
三个不同的层：原始数据的摄取、机器学习模型的推理，然后将经过验证的信号分发到用户界面。
根据旨在限制过度拟合的机器学习验证循环，每个模型都在与训练所用的历史时期不同的历史时期进行了测试。