证券交易所每秒发布大量数据：价格变动、订单流、公司披露、宏观经济发布。对于经验丰富的分析师来说，这个数量是可以管理的。对于开设第一个账户的人来说，这只是噪音，而噪音早在任何资本面临风险之前就阻碍了参与。
Xiaoman 的过程故意是连续的。每个阶段的存在都是为了减少下一个阶段开始之前的不确定性，而不是产生单个不透明的输出。
市场信息、历史定价和波动性指标被持续收集并标准化为单个结构化数据集，从而在分析开始之前消除重复和不一致。
统计和机器学习模型检查聚合数据集中的模式，生成当前条件下可能的价格行为的概率加权预测。
预测被转化为头寸规模和分配指导，并根据每个账户规定的风险承受能力和可用资本（无论多么适度）进行校准。
以下工具历来是为管理大量资本的基金保留的。 Xiaoman 在任何账户规模下都应用相同的基础分析方法。
可以开立账户并以任意金额注资。头寸规模会根据可用资本自动调整，因此较小的账户不会被排除在分析之外。
指导反映了您声明的风险承受能力、时间范围和现有持有量，而不是统一应用于每个用户的单一通用模型。
每项建议都考虑了波动性和相关性数据，其目的是限制回撤，而不是仅仅最大化短期收益。
专业服务台使用的相同类别的数据——订单流、宏观指标、历史波动率——都可以通过单一、可读的界面获得。
Xiaoman 的开发前提是，获得良好的分析，而不是获得大量资本，才是明智决策与猜测的区别。该平台不承诺巨额回报。它的目的是让每项建议背后的理由显而易见，以便您可以根据其本身的优点进行判断。
每条建议都附有提供信息的数据点，使您能够了解建议的基础，而不是简单地接受它。
Xiaoman 不依赖推荐，而是发布其预测背后的逻辑，以便您可以直接评估该方法。
预测是由一组统计和机器学习模型生成的，每个模型都根据历史市场数据的不同部分进行训练，并在发布建议之前相互协调。
该系统并没有声称固定的准确率，而是报告每个预测的置信范围，并在新数据到来时调整这些范围，特别是在波动性加剧的时期。
帐户凭据和个人数据在传输过程中和静态时均进行加密。 Xiaoman不直接持有客户资金；资本由受监管的托管人持有，平台的作用仅限于分析和指导，而不是保管。
开户没有最低存款要求。任何适用的费用都会在您确认操作之前披露，并且休眠或低余额账户没有未披露的费用。
预测模型将现有的统计预测技术与根据历史和实时市场数据训练的机器学习方法相结合。随着模型的重新训练，该方法被记录和更新，而不是作为一个未公开的过程保留。