私人投资者现在拥有比以往更多的市场数据：价格趋势、新闻流、宏观经济指标、实时交易量。矛盾的是，这种过多的信息往往不会导致更好的决策，而是导致不太确定的决策。
原因在于数据本身的结构：很大一部分变动是统计噪声、短期波动，没有可靠的解释价值。任何凭直觉做出反应的人都会很容易将这种噪音与实际信号混淆。
经典的、基于经验的决策模式是针对较慢的市场环境而开发的。在数据频率较高的环境中，它们会达到极限，因为无法再在有用的时间内手动识别模式。
Boerglune 发布的每项建议都经过相同的结构化流程。没有任何说法是基于单一的市场观察。
价格、数量和背景数据不断合并来自多个市场来源，并进行结构化建模。
每个策略在考虑之前都会根据历史市场周期（包括波动性加剧的时期）进行测试。
根据回测结果调整参数，目的是最小化风险而不是最大化短期回报。
只有在历史验证之后，才会发布建议并将其与相关风险概况一起呈现给用户。
Boerglune 面向那些想要在有限的时间内建立额外收入来源而又不牺牲深入分析的人。平台接管正在进行的评估，用户做出最终决定。
重点不是短期利润承诺，而是可追溯性：每项建议都可以追溯到其历史测试运行。这意味着意大利及其他地区的投资者可以了解评估的实际依据。
基础模型不断与新的市场数据进行比较，以便估计不是基于过时的市场状况。
市场数据是连续处理的，因此成交量或波动性的变化会立即变得明显。
统计模型识别历史数据中重复出现的模式，并将其应用于当前的市场格局。
分析结果会总结为定期、易于理解的报告，无需手动评估。
每项建议均根据历史波动进行分类，以便风险和机会易于理解。
我们不解释个人的成功数据，而是解释我们的模型是如何测试的以及它们的局限性。
每个策略在用于当前建议之前都专门针对过去的市场周期进行了测试。
定期将模型与新的市场数据进行比较，以避免过时的模式造成的扭曲。
每个风险分类背后的逻辑都被记录下来，并且不会作为一揽子回报承诺进行传达。