现在，市场不断跨时区移动，与单个头寸相关的信息量已经远远超出了交易者手动合理跟踪的范围。固定区间美元成本平均法减轻了一些负担，但它完全忽略了短期条件：无论当时的数据如何，它都会根据强势和弱势买入。
试图手动管理条目的日内交易者面临着一个相关的问题——决策疲劳。在数周或数月内持续关注数十个信号，往往会在降低信心之前先降低判断力。实际上，健全的战略与其一致的执行之间的差距主要是耐力问题。
Orleria 被开发为位于原始市场数据和购买决策之间的定量层。它持续获取定价、交易量和波动性数据，根据历史模式对条件进行评分，并将该评分转化为具体的贡献计划。
该平台是为加拿大散户和专业投资者而构建的，考虑了当地交易时间、加元和美元计价资产之间的货币风险，以及大多数投资者在回顾策略历史时期望的报告细节。
该模型根据历史制度库评估价格行为、订单流和短期波动性，以生成当前时刻的置信度得分。它不是作用于单个指标，而是同时权衡多个信号，并标记历史上有利于进入而不是等待的条件的窗口。
传统的 DCA 在固定日历上分配相同的金额，与市场条件无关。 Orleria 的智能 DCA 保持定期捐款的纪律，但根据进入信心分数改变每次购买的规模，在条件有利时增加分配，在条件不利时减少分配。
无限制的自动化本身就有风险。风险盾强制执行头寸上限，实时监控回撤，并在波动性或相关性突破给定投资组合设定的阈值时暂停预定的贡献，从而将自动决策保持在定义的边界内，而不是开放式的边界内。
该模型不断提取定价、交易量和订单数据以及相关宏观指标，包括利率决策以及加元和美元市场之间的货币变动。
使用统计模式匹配将输入数据与历史状况进行比较，产生一个置信度分数，反映当前条件与过去有利进入窗口的相似程度。
置信度分数被转换为加权贡献指令，执行时会注意滑点和订单大小，因此信号会转化为有效的交易，而不是理论上的交易。
通过突然波动管理头寸的交易者使用置信度分数在高分散期间减缓或暂停贡献，从而减少突然逆转的风险，而无需完全退出头寸。
投资者在数月内建立核心仓位，依靠 Smart DCA 在统计有利的窗口期间集中出资，而不是无论条件如何均等分配。
当多个持股需要定期重新平衡时，模型的输出与目标分配阈值一起用作辅助输入，对重新平衡交易进行计时，而不是在固定日期执行。
传输中的数据是加密的，并且帐户凭据永远不会以纯文本形式存储。 Orleria不直接托管客户资金；执行是通过关联的经纪账户进行的，这些账户保留自己的监管保障和托管安排。
集成是通过 API 连接到加拿大账户持有人可用的受支持经纪平台来处理的。信号生成和下单之间的延迟取决于经纪商自己的 API 响应能力，该响应能力因提供商而异，并在入职期间记录。
定价基于帐户活动和启用的自动化范围，而不是统一应用于每个帐户的固定订阅。在激活任何自动缴款计划之前，在入职期间会单独审核完整的费用详细信息。