KI-gestützte Entscheidungsunterstützung
Vong Phuthinh erfasst Marktdaten in Echtzeit und wandelt sie in risikobereinigte Empfehlungen um, die für Personen entwickelt wurden, die noch nie zuvor ein professionelles Handelsterminal verwendet haben.
Die Eintrittsbarriere
Institutionelle Anleger verlassen sich bei der Interpretation von Marktbewegungen auf Datenterminals, Analystenteams und proprietäre Modelle. Diese Tools sind genau, aber preislich und konzipiert für Unternehmen, die große Portfolios verwalten, und nicht für Einzelpersonen, die eine erste Anlagestrategie testen.
Vong Phuthinh wurde entwickelt, um diese Lücke zu schließen, ohne die Genauigkeit zu verwässern. Die Plattform wendet die gleiche Kategorie der statistischen Modellierung auf öffentlich verfügbare und lizenzierte Marktdaten an und präsentiert die Ergebnisse dann in einer Sprache, für deren Interpretation kein Finanzabschluss erforderlich ist.
Viele Plattformen legen Einzahlungsschwellen fest, um die Kosten ihrer Infrastruktur zu rechtfertigen. Vong Phuthinh trennt die Kontogröße vom Modellzugriff: Die Vorhersage-Engine führt den identischen Prozess aus, unabhängig davon, ob ein Konto einen kleinen Betrag zum Lernen zurückhält oder einen größeren Betrag für eine laufende Strategie bereitstellt.
Dies ist wichtig, da risikobereinigte Renditen eine Funktion der Proportionen und nicht des absoluten Kapitals sind. Eine wohlbegründete Zuteilungsentscheidung ist in jeder Größenordnung gleichermaßen gültig, und die Plattform ist preislich und strukturiert, um dies widerzuspiegeln.
Mindesteinzahlung, um ein Konto zu eröffnen und Ihre ersten modellgenerierten Empfehlungen zu erhalten.
Methodik
Transparenz wird als Merkmal und nicht als Offenlegungspflicht behandelt. Jeder der folgenden Schritte ist für Sie in Ihrem Konto sichtbar, zusammen mit den verwendeten Datenquellen.
Das System ruft kontinuierlich Preise, Volumen und relevante makroökonomische Indikatoren ab und versieht jede Eingabe mit einem Zeitstempel, sodass Sie sehen können, wann eine Zahl zuletzt aktualisiert wurde.
Historische Muster werden mit aktuellen Bedingungen verglichen, wobei statistische Modelle verwendet werden, die darauf trainiert sind, Korrelationen und nicht Kausalitäten zu erkennen und jedem Szenario ein Konfidenzintervall zuzuweisen.
Die Ausgaben werden anhand des von Ihnen bereitgestellten Risikoprofils und Zeithorizonts gefiltert und dann mit den unterstützenden Datenpunkten präsentiert, sodass die Argumentation überprüft und nicht nur als vertrauenswürdig eingestuft werden kann.
Unser Ansatz
Vong Phuthinh wurde unter der Prämisse entwickelt, dass eine KI-Empfehlung nur dann nützlich ist, wenn eine Person verstehen kann, warum sie abgegeben wurde. Jede Modellausgabe wird mit den dahinter stehenden Daten und Annahmen gepaart, sodass die Entscheidungsfindung weiterhin bei Ihnen liegt.
Die technische Priorität lag stets auf der Datenintegrität: Validierung von Quellen, Kennzeichnung von Lücken und Weigerung, eine Empfehlung vorzulegen, wenn das Vertrauen zu gering ist, um umsetzbar zu sein.
Anwendungen
Ein Erstinvestor kann Vong Phuthinh verwenden, um eine Allokation anhand historischer Volatilitätsmuster zu testen, bevor Geld bewegt wird. Das Modell kennzeichnet Zeiträume, in denen eine bestimmte Anlageklasse in der Vergangenheit ein höheres Drawdown-Risiko aufwies, was einen konservativeren Einstiegspunkt oder eine kleinere Anfangsposition ermöglicht, während Vertrauen aufgebaut wird.
Ein Kleinunternehmer, der über eine Reinvestition nachdenkt, kann dieselbe Engine verwenden, um Cashflow-Daten anhand von Nachfragesignalen auf Branchenebene zu analysieren. Anstelle einer einzelnen Wachstumszahl stellt die Ausgabe eine Reihe plausibler Ergebnisse dar, die mit den verwendeten Annahmen verknüpft sind und eine vertretbarere interne Entscheidung unterstützen.
Transparenz und Risiko
Kontodaten und Handelsaktivitäten werden während der Übertragung und im Ruhezustand verschlüsselt gespeichert. Der Zugriff auf personenbezogene Daten ist auf Systeme beschränkt, die für die Kontoverwaltung und das Meldewesen erforderlich sind, und die Plattform verkauft personenbezogene Daten nicht an Dritte.
Das Modell erstellt wahrscheinlichkeitsgewichtete Szenarien basierend auf historischen Daten und Echtzeitdaten. es entstehen keine Garantien. Neben jeder Empfehlung werden Konfidenzintervalle angezeigt, damit Sie beurteilen können, wie viel Gewicht Sie einer bestimmten Ausgabe beimessen sollten. Keine Empfehlung wird ohne unterstützende Daten präsentiert.
Es gibt keine Mindesteinzahlung, um ein Konto zu eröffnen oder modellgenerierte Empfehlungen zu erhalten. Die Gebührenstrukturen werden bei der Kontoeinrichtung bekannt gegeben und variieren nicht je nach Kontogröße, sodass kleinere Guthaben benachteiligt werden.
Die Kontoeinrichtung dauert einige Minuten. Sie können die Leistung des Modells mit jeder Einzahlungsgröße erkunden, einschließlich des kleinsten Betrags, mit dem Sie problemlos testen können.