现状
大多数寻求副业收入的专业人士都会花费大量时间跟踪数据、解释信号，并在做出决策时犹豫不决。这种情况在文献中被描述为“分析瘫痪”：你有太多的数据，但它并不能转化为明确的决策行动。
真正的成本不是错失的机会，而是浪费的时间。即使每天跟踪半小时的市场，加起来也相当于每周三个半小时或每月十四个小时——创建了一个真正的非被动收入模式。
Vadeleşim 的成立就是为了打破这个循环：它通过自动化决策过程为您节省时间。
基础技术
Vadeleşim 不是一次性调查，而是通过持续监控您的行为反馈来调整您的风险状况。系统不会保持不变；它会随着你的改变而改变。
通过最初的问题确定了初步的风险承受范围。
市场和行为数据不断得到处理和标准化。
您过去的反应和后果会校准未来的建议。
建议根据新的风险承受阈值自动更新。
固定风险类别（低/中/高）无法捕捉您随时间的变化。 Vadeleşim 将每次交互视为一个信号，并相应地重新训练模型。
系统产生建议，您最终批准；如果需要，您还可以允许在您设置的阈值内自动执行。
方法
我们没有隐藏建议背后的逻辑，而是让每个阶段都可见。以下四个步骤概述了每个决策是如何产生的。
该过程由四个阶段组成，每个阶段都将前一个阶段的输出作为输入。
您的帐户和交易数据通过加密通道进行处理，并且仅限于推荐引擎所需的范围。未经您的同意，数据共享不会扩展到第三方。
随着您的投资组合规模或您关注的工具数量的增加，分析引擎会以相同的逻辑进行扩展；不需要额外的手动配置。
使用场景
以下三个场景展示了相同的基础设施如何适应不同的配置文件。不同的不是数字，而是决策逻辑。
用户一直对过去交易的波动性保持警惕。系统检测到这一点并将其建议转向更稳定、低波动性的选项。
结果是：报告更少，被动收入范围更可预测。
用户接受一些高收益的建议并拒绝其他建议。 Vadeleşim 分析接受/拒绝模式以确定特定于个人的中点并定期更新该点。
结果：随着时间的推移，一组与用户行为趋同的建议。
用户通过反复的决定表明他对更不稳定的机会持开放态度。系统会在不超过确定的风险上限的情况下，通过更主动的建议来响应这种容忍度。
结果：在固定的风险上限内，推荐周期更频繁。
我们的方法
我们安装Vadeleşim的目标不是让用户适应系统，而是让系统适应用户。这就是为什么每个建议都被记录下来，回顾性地显示它所基于的数据和行为信号。
主动工作和被动智能之间的区别在这里变得很明显：你决定战略选择，系统承担日常监控和计算的负担。
常见问题解答
不会。系统会生成建议并允许您定义可选的自动执行阈值；然而，最终的批准机制始终由您保留或在您设定的限制内发挥作用。
该模型不断处理您的行为反馈。一旦检测到方向的一致变化，您的风险状况就会逐渐更新；突然的决定不会改变你的个人资料。
帐户和交易数据经过加密处理，并且仅限于推荐引擎所需的范围。仅在您明确同意的情况下才会进行第三方共享。
该平台被配置为从支持的源接收数据输入。整合范围可能因账户类型而异；在安装过程中，会明确可以连接哪些数据流。
无论投资组合规模如何，该系统都采用相同的风险调整逻辑。即使规模很小，目标也是节省时间和一致的决策纪律。