Weit Bürgnavenz 专为重视自动化但又不想在不深入了解底层逻辑的情况下做出决策的用户而设计。每项建议均基于来自波动性分析和订单簿结构的可理解信号，而不是基于一揽子启发法。
该平台面向德国技术经验丰富的交易者和投资者，他们希望在不牺牲对参数和风险限制的控制的情况下系统化经常性投资决策。
手动 DCA 往往遵循严格的时间表，而以日内交易为导向的决策通常是在时间压力和情绪疲惫的情况下做出的。两种方法在入门级质量方面都有潜力。
该系统并行处理多个数据级别，并得出持续更新的入门级评估，而不是基于固定阈值。
不断比较历史波动率和隐含波动率，以区分不确定性增加的时期和结构性趋势变动。
统计模型权重订单簿深度、动量和交易量分布，以计算有利入场点的概率。
最大头寸规模和回撤阈值是预先定义的，并在每次自动执行期间遵守，无论信号如何。
市场数据通过标准化接口持续导入，因此初始估值不是基于过时的价格水平。
该过程被划分为易于理解的步骤，以便每个自动化决策都可以追溯到特定的处理步骤。
价格、数量和订单数据从连接的来源持续记录。
预测模型根据历史模式评估当前市场状况。
从评估中得出下一次部分购买的时间窗口。
订单是在指定的风险限制内通过 API 下达的。
位置不断与定义的阈值进行比较。
入场优化的参数可以根据策略进行不同的加权，而无需改变底层方法。
当建立较大的头寸时，系统会将购买分配到多个入场区域，而不是一次性放置整个交易量。这减少了对单一价格水平的依赖。
对冲头寸可以与波动率阈值挂钩，这样只有在超过定义的风险指标时才会自动建立对冲，而不是始终处于活跃状态。
对于较长的投资期限，系统会优先考虑较大的时间窗口和较低的干预频率，从而降低交易成本，同时保持每次部分购买的入场质量。
以下几点涉及自动执行中通常检查的技术方面。
访问是通过具有有限权限的密钥进行的，仅允许交易和数据访问。不包括有资格获得支付的功能。
处理通过持续的流连接进行，这使得模型评估和订单传输之间的时间很短。实际执行速度还取决于连接的交易平台。
这些模型使用历史市场数据进行校准，并定期使用当前数据进行重新训练，以考虑市场结构的变化。
头寸规模、最大回撤阈值和暂停规则在激活前设置，并可根据需要进行调整。
如果数据连接中断，自动执行会暂停，直到恢复稳定的连接，以避免根据不完整的数据做出决策。