Lam Nganvuong applique la modélisation prédictive à un principe de longue date : investir des montants fixes à intervalles réguliers. Nos systèmes identifient statistiquement les conditions de survente et ajustent le calendrier de ces cotisations, afin que les retraités déploient leur capital avec discipline plutôt qu'au hasard, tout en éliminant le besoin de surveiller les marchés quotidiennement.
Montré : une représentation de la couche de signaux qui informe chaque contribution programmée, construite à partir des données de prix, de volatilité et de liquidité plutôt que du sentiment.
Lam Nganvuong a été construit autour d'un constat simple : la plupart des retraités n'ont pas besoin de rendements plus élevés au prix d'un risque plus élevé, ils ont besoin d'une cohérence qu'ils peuvent vérifier. Nous avons construit une plateforme qui quantifie les conditions du marché, applique cette analyse à un calendrier de cotisation discipliné et rend compte du raisonnement derrière chaque recommandation dans un langage simple.
Chaque décision d'allocation est enregistrée et explicable. Il n’y a aucune dérogation discrétionnaire, aucune pondération cachée et aucune tentative de prédire avec certitude les mouvements de prix à court terme. Le rôle de la plateforme est de par sa conception restreint : systématiser une stratégie d'entrée qu'un investisseur prudent pourrait autrement exécuter manuellement, et ce, sans fatigue ni parti pris émotionnel.
L’évolution quotidienne des prix est dominée par le sentiment à court terme : gros titres, rumeurs et échanges réactifs. Pour un investisseur qui perçoit un revenu à la retraite, ce bruit n'est pas seulement gênant, il entraîne un réel coût psychologique. L’instinct de retarder une cotisation en période de ralentissement ou de courir après une reprise a tendance à éroder les avantages à long terme d’un plan d’investissement stable.
Les recherches sur le comportement des investisseurs ont constamment montré que les décisions prises sur le plan émotionnel sont moins performantes que les décisions disciplinées et fondées sur des règles sur plusieurs années. La difficulté est de ne pas le savoir en principe, mais d’agir de manière cohérente lorsque les marchés sont volatils et que les enjeux semblent personnels.
Lam Nganvuong est positionné comme ce filtre. La plateforme ne tente pas de prédire où en seront les marchés dans un an. Au lieu de cela, il évalue les conditions actuelles par rapport aux modèles historiques de comportement de survente et de surachat, et utilise cette évaluation pour ajuster la taille et le calendrier des contributions programmées dans une fourchette préalablement convenue. La décision est supprimée au moment de la pression émotionnelle et remplacée par une règle cohérente, appliquée de la même manière à chaque fois.
La moyenne des coûts en dollars réduit le risque de timing en étalant les cotisations dans le temps. Smart DCA affine encore cela : plutôt que de déployer un montant fixe à une date fixe quelles que soient les conditions, le système pondère chaque contribution en fonction des signaux actuels du marché, tout en maintenant l'exposition totale dans les limites fixées par l'investisseur.
Les données de volatilité historiques et actuelles sont analysées pour estimer la probabilité que les prix actuels reflètent une dislocation à court terme plutôt qu'un changement de valeur à long terme.
Lorsque les conditions indiquent un état de survente dans des paramètres de risque acceptables, le modèle augmente la pondération de la prochaine contribution programmée, dans des limites fixées à l'avance.
Chaque recommandation est évaluée par rapport à la tolérance au risque déclarée de l'investisseur avant son exécution, de sorte que l'opportunité n'est jamais recherchée au détriment des limites convenues.
Le processus commence par l’ingestion continue de données sur les prix, les volumes et la volatilité sur les marchés concernés. Cela alimente un modèle prédictif formé pour reconnaître les modèles historiquement associés à la survente à court terme. Le résultat n'est pas une prédiction de direction, mais une évaluation pondérée des probabilités des conditions actuelles, qui se traduit ensuite par un ajustement des cotisations dans la fourchette prédéfinie par l'investisseur.
Aucun point de données unique ne déclenche une décision. Le modèle nécessite des signaux corroborants avant d'ajuster une contribution, ce qui vise à réduire les faux positifs causés par des hausses de prix isolées ou un faible volume de transactions.
Lam Nganvuong est conçu pour les investisseurs qui souhaitent une croissance mesurée et vérifiable plutôt qu'une hausse spéculative. La plateforme ne promet pas de surperformer le marché ; il est conçu pour aider les retraités à exécuter un plan de cotisation à long terme avec plus de discipline que ce que permet généralement le timing manuel. Trois principes guident chaque partie de sa conception.
Les ajustements de cotisations sont limités par des limites fixées à l’avance par l’investisseur. Le modèle ne peut pas dépasser ces limites, quelle que soit la force du signal.
Chaque recommandation comprend une explication en langage simple des données et du raisonnement qui les sous-tend, afin que les décisions puissent être examinées et comprises sans expertise technique.
Les cotisations programmées suppriment le besoin d’un suivi quotidien. Le système applique systématiquement les mêmes règles, que les marchés soient calmes ou en situation de tension.
Le raisonnement derrière chaque ajustement de cotisation suit un processus cohérent en quatre étapes. Chaque étape est conçue pour être auditable, de sorte que la recommandation finale puisse remonter aux données qui l'ont produite.
Les chiffres sur les prix, les volumes et la volatilité sont collectés en permanence à partir de sources de données de marché établies et normalisés à des fins de comparaison sur plusieurs périodes.
La reconnaissance des formes historiques est appliquée aux données entrantes pour évaluer si les conditions actuelles ressemblent à une dislocation à court terme.
Le signal qui en résulte est pondéré par rapport à la tolérance au risque et aux limites de contribution préalablement convenues de l'investisseur avant qu'un ajustement ne soit envisagé.
Une recommandation finale et limitée est produite et enregistrée, ainsi que les données et le raisonnement qui y ont conduit.
Le résultat à chaque étape est une recommandation et non une instruction qui contourne le contrôle des investisseurs. Les limites de contribution sont convenues à l'avance et ne peuvent pas être dépassées par le modèle. Cette structure vise à maintenir clairement défini le rôle du système : elle soutient une décision déjà prise par l'investisseur, elle ne remplace pas cette décision.
Le modèle ne tente pas d'appeler un fond. Lors de baisses soutenues, il continue d’appliquer la même logique limitée que celle utilisée dans des conditions normales, augmentant progressivement la pondération des contributions à mesure que les signaux de survente persistent, toujours dans les limites fixées par l’investisseur. Elle ne déploiera pas de capitaux au-delà des limites convenues, quelle que soit la durée de la récession.
L'interface est intentionnellement simple : les calendriers de contribution, les limites et les recommandations sont présentés dans un langage simple avec des explications à l'appui, plutôt qu'un résultat technique brut. Aucune décision de trading active n'est requise de la part de l'utilisateur au quotidien ; la structure planifiée et basée sur des règles est conçue pour être revue périodiquement plutôt que surveillée en permanence.
Les données sont traitées conformément aux pratiques standard de protection des données financières, notamment le cryptage des données en transit et au repos et un accès interne restreint aux informations sur les comptes. Les investisseurs peuvent à tout moment demander un enregistrement de la manière dont leurs données ont été utilisées au sein de la plateforme.
Non. Les limites de cotisation et la tolérance au risque sont fixées par l’investisseur avant que le système ne commence à fonctionner et ne peuvent être modifiées par le modèle lui-même. Tout ajustement proposé en dehors de ces limites n'est pas exécuté.
Aucun modèle prédictif n’est correct dans tous les cas, c’est pourquoi le système est construit autour d’ajustements progressifs limités plutôt que de grandes décisions uniques. Un signal incorrect entraîne un léger écart par rapport à un barème de cotisation forfaitaire, mais pas un changement significatif de l'exposition globale.
Lam Nganvuong ne vous demande pas de prédire le marché. Il vous demande de fixer des limites claires et permet à un processus testé et basé sur des règles d'appliquer ces limites de manière cohérente, contribution après contribution. Passez en revue la méthodologie, définissez vos paramètres et commencez votre analyse lorsque vous êtes prêt.