70% 的新投资者在首次交易前就因市场波动而止步。对于大学生来说，问题不仅仅是风险：还有管理风险的时间。
在课堂、学期论文和课程作业之间查看图表并不是一种可持续的投资组合管理方法。手动跟踪需要持续关注，这与学术议程直接竞争。
每次对市场的临时审查都会消耗时间，但这些时间并不能转化为更好的入场机会：关注的频率并不能取代一致的决策标准。
Prumo Quinhena 在同一决策模型中结合了一系列历史价格、市场交易量和波动性变量。目标不是绝对确定地预测未来，而是使用可量化和可重复的规则来减少输入决策的方差。
模型规则已记录在案，并且可以在激活之前进行审查：没有黑匣子信号或建议，背后没有可解释的标准。
默认情况下，该模型不会在固定日期购买。实时分析数据，在有限的时间窗口内找到最佳的切入点。
该系统在短时间内从多个交易所收集价格、交易量和波动性，为资产行为建立连续的基础。
回归模型估计定义窗口内当地价格下限的概率，而不是在没有市场背景的固定日期执行购买。
当窗口内满足模型条件时，系统执行相应的部分购买，无需人工干预或因优柔寡断而造成延误。
决策引擎由经过历史价格和交易量序列训练的回归模型支持。每个潜在的进入都会根据回撤缓解阈值进行评估，旨在限制急剧下行情况下的风险敞口。
该平台旨在低风险进入波动性资产，而非短期投机交易。该系统不运行杠杆或日内交易策略。
与交易所的连接密钥以加密方式存储，不会与第三方共享。系统访问仅限于运行模型所需的操作。
在实时应用之前，每个设置都会在之前的市场周期中进行回溯测试，将模型的输出与简单的定期购买策略进行比较。
学生将每月付款或打零工收入的固定部分分配给 Prumo Quinhena。系统将这笔金额分割成更小的条目，仅当模型在每月期间检测到有利条件时才执行，而不是在任意日期购买。
对于奖学金基金或一次性储蓄，逻辑从频率转向规模：相同的模型将资本分配到多个间隔的流入中，优先考虑减少单一价格点的风险而不是投资速度。初始金额并不决定模型的结果：相同的输入逻辑适用于小金额和规模，当可用资本增长时，策略不会改变。
资金始终保留在您关联的交易账户中。 Prumo Quinhena仅根据型号发送采购订单；提现和流动性取决于交易所的规则，而不是平台。
如果价格下跌，该模型不会自动停止购买：它会评估该下跌是否代表定义窗口内的价格下限。如果未满足回撤缓解阈值，则下一个条目将推迟到下一个分析周期。
连接帐户之前，技术文档中详细说明了平台费用。交易所对每笔交易收取的费用与 Prumo Quinhena 无关，并显示在每个策略配置中。
该模型处理公共市场数据，例如价格和交易量，并且不需要除加密存储的交换连接凭据之外的个人信息。该数据不会出售或与第三方共享。