下面的工作流程按照您定义的固定时间表运行。每个步骤都会被记录下来，因此您可以查看进行给定分配的原因。
价格、订单深度和链上数据均从多个交易所源中提取，并在分析前进行标准化。
滚动模型对短期波动性和趋势偏差进行评分，为当前窗口生成置信区间。
您的固定定期预算根据置信区间进行划分，在波动性较低的窗口期间分配稍多的资金。
订单会按照计算出的大小自动下达，并且每个决策都与生成该决策的输入数据一起存储。
每周总结显示已实现的平均入场价格与简单的固定 DCA 基准的比较，因此性能保持可审计。
使用最新数据以固定间隔重新拟合波动率模型，避免依赖陈旧的市场状况。
| 方法 | 入场时间 | 体力劳动 | 波动性暴露 |
|---|---|---|---|
| 一次性购买 | 偶然修复 | 低 | 全程、一次性 |
| 手动每周 DCA | 自行安排 | 中-高 | 平均、静态分割 |
| Nord Stern AI 自动化 DCA | 模型调整 | 低 | 平均，波动率加权 |
每个屏幕都回答一个问题：下一个分配应该是什么样子，以及为什么。只需点击一下即可了解历史背景，但无需采取行动。
自动化并不能消除加密市场的风险。这些协议旨在减少您定义的预算内可避免的、与时间相关的风险。
滚动标准差模型在每次计划购买之前对每项资产进行评分，告知规模而不仅仅是时间。
每项资产的贡献有上限，因此单个头寸不能超过总分配的固定份额。
可选的回撤阈值可以暂停未来的贡献或标记一个位置以供手动审核。