大多数为金融市场构建的工具都假设有先前的经验。 Ledgex Metrics 建立在相反的假设之上：首次开设投资账户的人仍应能够访问与经验丰富的分析师相同范围的数据，并以不需要的形式呈现。
其结果是一个平台支持逻辑、可重复的决策过程，而不是依赖于时间或直觉。
每个建议都是已定义流程的输出。以下部分描述了原始价格源和屏幕上的建议之间发生的情况。
该系统将当前市场状况与所有跟踪货币对的多年历史价格和交易量数据进行比较。它不是产生单一的预测，而是生成可能结果的概率加权范围，因此建议反映了场景的分布，而不是作为确定性的猜测。
在提出任何建议之前，都会经过波动性和风险敞口检查。该系统会标记超出给定货币对典型风险阈值的头寸规模，并标记相对于其近期历史（而不是相对于整个市场）表现出异常交易量或价格行为的任何资产。
该平台会连续扫描所有 512 个跟踪对，而不是筛选候选名单。模式识别模型可以识别价格和交易量数据中的重复结构，并且只有与定义的、记录的标准相匹配的配对才会被转发进行审查，从而减少个人投资者必须手动整理的噪音量。
下面的工作流程对于每个用户每次都以相同的方式运行。没有任何内容是为了鼓励特定的行动而定制的。
价格、交易量和订单簿数据来自 512 个货币对的 18 个独立来源，并标准化为单一结构。在开始任何分析之前，都会记录并协调来源之间的差异。
预测和模式识别模型处理标准化数据集，根据定义的技术和风险标准对每一对进行评分。不满足最低置信度和流动性阈值的货币对将被自动排除。
剩余的货币对会提供支持数据：置信范围、风险标记以及模型匹配的历史模式。输出是决策的记录依据，而不是执行交易的指令。
我们描述系统是如何检查的，而不是过去用户报告的满意度如何。以下内容适用于平台上的每个帐户。
每个模型版本都会根据部署前未经训练的历史数据进行测试。绩效是在多种市场条件下衡量的，包括低流动性和高波动性时期，而不仅仅是有利的时期。
传入的提要在用于分析之前会跨来源进行交叉检查。单个来源中的差距、延迟或异常会被标记并排除，而不是平均到最终数据集中。
帐户和使用数据在传输过程中和静态时均进行加密。基础设施和数据处理遵循德国和欧盟的数据保护要求，符合德国用户的期望。