Radiant Fondell 建立在一个简单的前提之上：大多数投资组合错误都是由情绪驱动的时机错误。该模型通过依赖不断更新的数据而不是对价格变动的反应来消除该变量。
在界面下，Radiant Fondell 运行一个预测建模引擎，该引擎可获取主要数字资产的市场、交易量和波动性数据。该引擎不会尝试预测短期价格方向；相反，它估计结果的概率分布并根据风险平价框架分配资本，因此没有单一资产主导投资组合的损失风险。
入职培训有意尽量减少。连接账户后，模型会询问一些有关风险承受能力和时间范围的问题，然后提出分配建议。大多数用户在一分钟内从注册转移到实时投资组合，但鼓励在确认之前审查建议的分配。
关联现有兑换账户或直接存款；无需开始手动资产转移。
设定风险承受能力和时间范围；该模型将这些转化为分配约束。
审查拟议的投资组合并确认；按照现行市场价格实时执行。
该模型按照定义的时间表进行重新平衡，以响应波动性的重大变化，并记录每次变化。
该平台的中心有两个机制：一个是读取市场状况的预测层，另一个是决定如何处理市场状况的分配层。
该模型分析历史和实时价格、交易量和波动性数据，以估计每种资产在定义的窗口内可能出现的结果范围。它不是产生单一的价格目标，而是产生一个分布，分配层使用该分布根据其不确定性按比例调整头寸规模。
Radiant Fondell 不是仅通过资本来对投资组合进行加权，而是通过对整体风险的贡献来对其进行加权。预期波动性较高的资产分配规模较小，因此在经济急剧下滑时，单一持有资产不会对投资组合的表现产生不成比例的影响。
相对波动性（而不仅仅是资本规模）如何决定典型配置中的头寸权重的简化表示。实际权重因账户和市场条件而异。
我们没有依赖推荐，而是列出了模型在市场剧烈波动时遵循的逻辑，因此可以根据其本身的条件来评估推理。
风险缓解。 该模型在设置时商定的固定分配范围内运行；它不能根据单个数据点将投资组合完全移入或移出某个头寸。在波动性加剧期间，再平衡频率会增加，但头寸规模仍受风险平价框架而非预测方向的控制。这样做的目的是限制任何一个错误预测的影响，而不是完全避免波动，而这在数字资产市场中是不可能的。
相同的底层模型有不同的目标，具体取决于它在设置时的校准方式。
刚接触数字资产的投资者会设定保守的风险承受能力，并让模型处理重新平衡，每周检查而不是对每日价格变动做出反应。
一家公司使用 Radiant Fondell 的预测输出作为其自身研究的额外输入，依赖于该平台对数字资产暴露的定义部分的实时执行。
长期投资者会设定更宽的再平衡区间，使模型能够在短期波动中持有头寸，而不是被动交易。
这些是评估该平台的英国投资者最常提出的问题。
帐户凭证和交易数据在传输过程中和静态时均进行加密。连接到平台的资本通过投资者在设置时选择的交易所或托管安排持有； Radiant Fondell默认不直接托管客户资产。
再平衡决策是连续生成的，但交易是根据定义的阈值进行批量处理的，而不是在每次微小波动时执行。这可以保持交易成本成比例，同时仍然允许模型在同一交易时段内对重大波动做出响应。
托管安排取决于入职期间选择的连接方法。如果使用关联的交易所账户，则该交易所保留托管权； Radiant Fondell 发出指令，但不代表客户端持有私钥。
入职包括身份验证、连接账户或资金来源，以及回答一系列有关风险承受能力和时间范围的简短问题。尽管身份验证时间取决于第三方检查，但此过程大部分在一分钟内完成。
