市场产生的信息比一个人在一个工作日内能够持续评估的信息还要多。头条新闻、指标和价格走势争夺注意力，决策疲劳最终用动力取代了分析。
Diamante Lucreza 将重复评估转移到使用历史数据训练的规则和模型系统中。我们的目标不是消除人类判断，而是将其保留给真正需要它的决策：基于逻辑而不是冲动的决策。
每个组件独立运行并单独审核，从而可以识别结果中任何偏差的来源。
该系统根据波动性和动量指标来划分资本流入，而不是应用固定的时间间隔。这减少了对单一入口点的暴露，而无需持续的手动监督。
风险阈值根据资产与每个市场可用流动性之间的相关性进行调整。当情况恶化时，系统会在执行新订单之前减少风险敞口。
数据流是不断处理的，而不是定期批量处理的。这使您可以在同一会话中对趋势变化做出反应，而不管用户的地理位置如何。
算法的透明度基于其各个阶段的可追溯性，而不是基于结果的承诺。
价格、交易量和新闻均从公共财政来源收集，标准化为单一结构以供进一步分析。
经过训练的模型可以识别行为模式，并将信息基调与历史价格变动相关联。
决策被转化为部分订单，并通过安全控制在最终发货前验证每笔交易。
对于那些以不同货币开具发票并正在寻找一致的被动收入来源的人来说，系统维护了一个程序化的积累策略，该策略不依赖于每天检查市场。警报仅限于需要真正关注的事件。
对于同时管理多个头寸的配置文件，该平台提供按资产和投资组合组划分的实时风险读数，并提供记录每次调整原因的报告。
我们的模型对历史数据进行连续的回测过程，并定期审查风险参数。我们不提供回报保证：目标是风险与暴露之间关系的统计优化，记录在案且可验证。
Diamante Lucreza 的构建基于一个简单的前提：大多数投资错误并非来自缺乏信息，而是来自应用信息的不一致。我们设计的系统使每个决策都遵循相同的标准，随着时间的推移不断重复，并记录在案。
该平台的设计无需持续的人工干预，这对于那些在不同地点和时区工作的人来说尤其重要。
