传统的加密资产投资通常依赖于手动反应：由于希望反弹而延迟出售，或由于恐惧而提前出售，是增加投资组合累积回撤的常见模式。
Tholovaria 用数据驱动的决策过程取代了情绪反应。该系统持续观察波动性、交易量和动量指标，并根据预先定义的规则采取行动，而不是根据投资者在特定时刻的情绪。
投资组合变化幅度的说明性表示，有或没有自动调整输出水平。
Tholovaria 诞生于两个学科的结合：金融时间序列的预测分析和风险控制工程。目标不是绝对确定地预测市场，而是在情况发生变化时系统地减少损失程度。
平台做出的每一个决定都可以用产生该决定的数据来解释：哪个指标发生了变化，变化的比例是多少，以及它触发了哪些行动。这种可追溯性是谨慎投资者建立信心的基础。
该系统结合了从数据读取到订单执行以协调方式工作的三个组件。
该模型处理价格、交易量、市场深度和资产之间的相关性，以在趋势变化完全反映在价格中之前估计趋势变化的概率。
退出门槛不是固定的百分比，而是根据资产近期的波动性重新计算，从而避免在嘈杂的市场中过早关闭以及在持续下跌中长期暴露。
当满足退出条件时，订单将立即发送至关联市场，不会因人工验证和确认而造成延迟。
流程的透明度使我们能够随时了解系统在做什么，而不是将其视为一个封闭的盒子。
来自全球市场的数据被纳入其中：主要交易所的价格和交易量、订单簿的深度以及每种资产的相关链上指标。
人工智能模型根据该数据模拟不同的市场场景，以在对实际头寸进行任何更改之前估计资产可能的反应。
由此产生的策略在预定义的风险限制内执行，并在持仓期间持续审查止损水平。
对加密货币投资组合的大部分损害不是发生在崩盘本身，而是发生在逆转开始和投资者做出反应之间的时间。减少该间隔是该系统的中心目标。
所指示的点代表在下跌加深之前多个指标一致表明反转的时刻。
系统不会等到达到固定损失才采取行动。一旦多个趋势和波动指标指向同一方向，自适应止损就会在跌势扩大之前自动减少或关闭风险敞口。
资金保留在用户连接到平台的交易所中。 Tholovaria通过访问代码进行操作，权限仅限于开仓和平仓操作，无法将资金提取到外部地址。
该模型结合了多个来源的市场数据来估计趋势反转概率并相应地调整风险。这些并不是有保证的预测，而是一个系统框架，可以减少高压时期冲动决策的影响。