市场覆盖范围
Index AI 聚合来自多个流动性场所的订单簿、交易量和波动性数据，然后将其标准化为单个数据源。无论给定货币对在哪里交易最活跃，其结果都是对价格行为的一致看法。
| 配对 | 延迟 | 状态 |
|---|---|---|
| 比特币/美元 | 0.4秒 | 监控 |
| 以太坊/泰达币 | 0.5秒 | 监控 |
| 欧元/加元 | 0.6秒 | 监控 |
| 美元/日元 | 0.3秒 | 监控 |
| 索尔/美元 | 0.5秒 | 监控 |
| +495 多对 | 亚秒级 | 活跃 |
亚秒级延迟 通过直接从交易所 API 进行流式订单簿更新来维护，而不是按固定间隔进行轮询，从而使信号源保持接近实时市场状况。
每对货币对都根据流动性深度和短期波动性进行独立评分，因此交易量较小的金融工具会被标记为更宽的置信区间，而不是与交易量大的主要金融工具受到相同的对待。
覆盖范围涵盖加密货币、外汇和精选的股票相关工具，为多个市场的交易者提供一个一致的分析层，而不是在互不相关的工具之间切换。
预测逻辑
Index AI 不是发布原始价格预测，而是优化信噪比：它权衡价格变动在多大程度上反映了供需的真正变化与短暂的市场摩擦。
信噪比组成
流媒体源从每个连接的地点提取价格、交易量和订单簿深度，并带有时间戳并与共享时钟对齐以进行跨对比较。
经过训练的模型可以识别波动性和动量的重复结构，将当前状况与类似市场状态的历史库进行比较。
每个候选信号都根据流动性深度和最近的滑点数据进行加权，从而降低了对快速退出成本高昂的设置的信心。
输出是具有规定置信范围的排名推荐，而不是二元买卖指令，将头寸规模和时机留给交易者。
不稳定的会话会产生更多而不是更少的错误信号。 Index AI 通过随着短期波动性的上升而扩大其置信区间来解释这一点，而不是以相同水平的确定性呈现每个输出。
该模型还筛选尾部风险条件——流动性稀薄、价差突然扩大或大订单聚集——并在这些条件出现时提出防御性建议，例如减少头寸规模或扩大止损位置。
这并不能消除风险。它为交易者提供了一个结构化的基础，可以根据当前的市场微观结构而不是仅仅依靠直觉来决定给定的设置实际上需要多大的风险。
方法论和透明度
基础模型根据所覆盖货币对的多年历史波动率数据进行训练，然后通过前向回测而不是单个静态测试期持续进行验证。这种方法降低了模型仅在一种特定市场制度下表现良好的风险。
在实际操作中，随着流动性条件的变化，同一模型会重新衡量其假设——例如，在低交易量隔夜交易期间与高交易量重叠时段之间——因此其信心输出反映了当前的可交易性，而不仅仅是历史平均值。
访问权限分为面向个人交易者的自助服务层和面向运行多个账户的团队的桌面层，并可根据请求提供 API 访问权限以集成到现有交易堆栈中。