Supporto decisionale basato sull'intelligenza artificiale
Vong Phuthinh acquisisce i dati di mercato in tempo reale e li converte in raccomandazioni adeguate al rischio, create per persone che non hanno mai utilizzato prima un terminale di trading professionale.
La barriera all'ingresso
Gli investitori istituzionali si affidano a terminali dati, team di analisti e modelli proprietari per interpretare i movimenti del mercato. Questi strumenti sono accurati, ma hanno un prezzo e sono progettati per le aziende che gestiscono portafogli di grandi dimensioni, non per individui che testano una prima strategia di investimento.
Vong Phuthinh è stato creato per colmare questa lacuna senza diluire il rigore. La piattaforma applica la stessa categoria di modellazione statistica ai dati di mercato disponibili al pubblico e autorizzati, quindi presenta l'output in un linguaggio che non richiede una laurea in finanza per essere interpretato.
Molte piattaforme stabiliscono soglie di deposito per giustificare il costo della propria infrastruttura. Vong Phuthinh separa la dimensione del conto dall'accesso al modello: il motore predittivo esegue lo stesso processo indipendentemente dal fatto che un conto detenga una piccola somma accantonata per l'apprendimento o una somma maggiore impegnata in una strategia in corso.
Ciò è importante perché i rendimenti aggiustati per il rischio sono una funzione proporzionale, non del capitale assoluto. Una decisione di allocazione ben ragionata è ugualmente valida su qualsiasi scala e la piattaforma ha un prezzo e una struttura che riflettono ciò.
Deposito minimo per aprire un conto e ricevere la prima serie di consigli generati dal modello.
Metodologia
La trasparenza è considerata una caratteristica e non un obbligo di divulgazione. Ogni passaggio riportato di seguito è visibile all'interno del tuo account, insieme alle origini dati utilizzate.
Il sistema estrae prezzi, volume e indicatori macroeconomici rilevanti su base continua, datando ogni input in modo da poter vedere quando una cifra è stata aggiornata l'ultima volta.
I modelli storici vengono confrontati con le condizioni attuali utilizzando modelli statistici addestrati per evidenziare la correlazione, non la causalità, e per assegnare un intervallo di confidenza a ciascuno scenario.
I risultati vengono filtrati in base al profilo di rischio e all'orizzonte temporale fornito, quindi presentati con i dati di supporto in modo che il ragionamento possa essere verificato, non solo attendibile.
Il nostro approccio
Vong Phuthinh è stato sviluppato partendo dal presupposto che una raccomandazione basata sull'intelligenza artificiale è utile solo se una persona può capire il motivo per cui è stata formulata. Ogni risultato del modello è abbinato ai dati e alle ipotesi alla base, quindi le decisioni restano tue.
La priorità ingegneristica è sempre stata l’integrità dei dati: convalidare le fonti, segnalare le lacune e rifiutare di presentare una raccomandazione quando la fiducia è troppo bassa per essere attuabile.
Applicazioni
Un investitore alle prime armi può utilizzare Vong Phuthinh per testare un'allocazione rispetto a modelli di volatilità storica prima che qualsiasi movimento di denaro. Il modello segnala i periodi in cui una determinata classe di asset storicamente ha mostrato un rischio di prelievo più elevato, consentendo un punto di ingresso più conservativo o una posizione iniziale più piccola mentre si crea fiducia.
Un piccolo imprenditore che sta valutando il reinvestimento può utilizzare lo stesso motore per analizzare i dati sui flussi di cassa rispetto ai segnali della domanda a livello di settore. Piuttosto che un singolo dato di crescita, il risultato presenta una serie di risultati plausibili legati alle ipotesi utilizzate, a sostegno di una decisione interna più difendibile.
Trasparenza e rischio
I dati del conto e l'attività di trading sono conservati sotto crittografia sia in transito che inattivi. L'accesso ai dati personali è limitato ai sistemi richiesti per l'amministrazione dell'account e il reporting normativo e la piattaforma non vende dati personali a terzi.
Il modello produce scenari ponderati in termini di probabilità basati su dati storici e in tempo reale; non produce garanzie. Gli intervalli di confidenza vengono visualizzati accanto a ogni raccomandazione in modo da poter giudicare quanto peso attribuire a un determinato output e nessuna raccomandazione viene presentata senza i relativi dati di supporto.
Non è previsto un deposito minimo per aprire un conto o ricevere consigli generati dai modelli. Le strutture tariffarie vengono comunicate al momento della creazione del conto e non variano in base alle dimensioni del conto in modo da penalizzare i saldi più piccoli.
La configurazione dell'account richiede alcuni minuti. Puoi esplorare l'output del modello con qualsiasi dimensione di deposito, incluso l'importo più piccolo con cui ti senti a tuo agio nel testare.