Aide à la décision basée sur l'IA
Vong Phuthinh ingère les données de marché en temps réel et les convertit en recommandations ajustées au risque, conçues pour les personnes qui n'ont jamais utilisé de terminal de trading professionnel auparavant.
The barrier to entry
Les investisseurs institutionnels s'appuient sur des terminaux de données, des équipes d'analystes et des modèles exclusifs pour interpréter les mouvements du marché. Ces outils sont précis, mais ils sont tarifés et conçus pour les entreprises gérant de gros portefeuilles, et non pour les individus testant une première stratégie d'investissement.
Vong Phuthinh was built to close that gap without diluting the rigour. La plateforme applique la même catégorie de modélisation statistique aux données de marché accessibles au public et sous licence, puis présente les résultats dans un langage qui ne nécessite pas de diplôme en finance pour être interprété.
Many platforms set deposit thresholds to justify the cost of their infrastructure. Vong Phuthinh sépare la taille du compte de l'accès au modèle : le moteur prédictif exécute le même processus, qu'un compte détienne une petite somme réservée à l'apprentissage ou une somme plus importante engagée dans une stratégie en cours.
This matters because risk-adjusted returns are a function of proportion, not absolute capital. A well-reasoned allocation decision is equally valid at any scale, and the platform is priced and structured to reflect that.
Minimum deposit to open an account and receive your first set of model-generated recommendations.
Méthodologie
Transparency is treated as a feature, not a disclosure requirement. Each step below is visible to you within your account, alongside the data sources used.
Le système extrait en continu les indicateurs de prix, de volume et macroéconomiques pertinents, en horodatant chaque entrée afin que vous puissiez voir quand un chiffre a été mis à jour pour la dernière fois.
Les modèles historiques sont comparés aux conditions actuelles à l'aide de modèles statistiques formés pour signaler la corrélation, et non la causalité, et pour attribuer un intervalle de confiance à chaque scénario.
Les résultats sont filtrés en fonction du profil de risque et de l'horizon temporel que vous fournissez, puis présentés avec les points de données à l'appui afin que le raisonnement puisse être vérifié, et pas seulement fiable.
Notre approche
Vong Phuthinh was developed on the premise that an AI recommendation is only useful if a person can understand why it was made. Every model output is paired with the data and assumptions behind it, so decisions remain yours to make.
La priorité de l'ingénierie a toujours été l'intégrité des données : valider les sources, signaler les lacunes et refuser de présenter une recommandation lorsque la confiance est trop faible pour être exploitable.
Applications
A first-time investor can use Vong Phuthinh to test an allocation against historical volatility patterns before any money moves. Le modèle signale les périodes au cours desquelles une classe d'actifs donnée a historiquement présenté un risque de baisse plus élevé, permettant un point d'entrée plus conservateur ou une position initiale plus petite pendant que la confiance se renforce.
A small business owner considering reinvestment can use the same engine to analyse cash flow data against sector-level demand signals. Plutôt qu’un seul chiffre de croissance, les résultats présentent une gamme de résultats plausibles liés aux hypothèses utilisées, appuyant une décision interne plus défendable.
Transparency and risk
Les données de compte et les activités de trading sont conservées sous cryptage en transit et au repos. L'accès aux données personnelles est limité aux systèmes requis pour l'administration des comptes et les rapports réglementaires, et la plateforme ne vend pas de données personnelles à des tiers.
Le modèle produit des scénarios pondérés en probabilité basés sur des données historiques et en temps réel ; il ne produit pas de garanties. Des intervalles de confiance sont affichés à côté de chaque recommandation afin que vous puissiez juger du poids à accorder à un résultat donné, et aucune recommandation n'est présentée sans ses données à l'appui.
Il n'y a pas de dépôt minimum pour ouvrir un compte ou recevoir des recommandations générées par le modèle. Les structures de frais sont divulguées lors de la création du compte et ne varient pas en fonction de la taille du compte de manière à pénaliser les petits soldes.
La configuration du compte prend quelques minutes. Vous pouvez explorer les résultats du modèle avec n'importe quelle taille de dépôt, y compris le plus petit montant avec lequel vous êtes à l'aise avec les tests.