Lam Nganvuong 是围绕一个简单的观察而构建的：大多数退休人员不需要以更高风险为代价获得更高回报，他们需要可以验证的一致性。我们建立了一个平台，可以量化市场状况，将该分析应用于严格的贡献计划，并以简单的语言报告每项建议背后的理由。
每个分配决定都会被记录下来并且可以解释。没有任意的超控，没有隐藏的权重，也没有尝试准确地预测短期价格走势。该平台的作用在设计上就很狭窄：将谨慎的投资者可能手动执行的进入策略系统化，并且在没有疲劳或情绪偏见的情况下这样做。
每日价格走势由短期情绪主导：头条新闻、谣言和反应性交易。对于退休后赚取收入的投资者来说，这种噪音不仅会分散注意力，还会带来真正的心理成本。在经济低迷时期推迟出资或追逐反弹的本能往往会侵蚀稳定投资计划的长期利益。
对投资者行为的研究一致表明，在多年的时间里，情绪化的决策的表现不如有纪律、基于规则的决策。困难在于原则上不了解这一点，当市场波动且赌注感觉个人化时，它会始终如一地采取行动。
Lam Nganvuong 被定位为该滤波器。该平台不会尝试预测一年内的市场状况。相反，它根据超卖和超买行为的历史模式评估当前状况，并利用该评估在预先商定的范围内调整预定捐款的规模和时间。这个决定从情绪压力的那一刻起就被消除了，取而代之的是一致的规则，每次都以同样的方式应用。
平均成本法通过随时间分散贡献来降低时间风险。智能 DCA 进一步完善了这一点：系统不是在固定日期无论条件如何都部署固定金额，而是根据当前市场信号对每个贡献进行加权，同时将总风险保持在投资者设定的限制内。
分析历史和当前波动率数据，以估计当前定价反映短期错位而不是长期价值变化的可能性。
当情况表明在可接受的风险参数范围内处于超卖状态时，模型会在预先设定的限制内增加下一个计划贡献的权重。
每项建议在执行前都会根据投资者声明的风险承受能力进行评估，因此永远不会以牺牲商定的界限为代价来追求机会。
该过程首先是持续获取相关市场的定价、交易量和波动性数据。这提供了一个预测模型，该模型经过训练可以识别历史上与短期超售相关的模式。输出不是对方向的预测，而是对当前状况的概率加权评估，然后转化为投资者预设范围内的贡献调整。
没有任何一个数据点会触发决策。该模型需要在调整贡献之前确认信号，旨在减少因孤立的价格飙升或交易量清淡而导致的误报。
Lam Nganvuong 是为那些想要可衡量的、可验证的增长而不是投机性上涨的投资者而设计的。平台不承诺跑赢市场；它旨在帮助退休人员执行长期缴款计划，其纪律比手动计时通常允许的更严格。三个原则指导其设计的每个部分。
出资调整受到投资者预先设定的限制。无论信号有多强，模型都不能超出这些边界。
每项建议都包含对数据及其背后推理的简单语言解释，因此无需技术专业知识即可审查和理解决策。
预定的捐款消除了日常监控的需要。无论市场平静还是面临压力，该系统始终适用相同的规则。
每次缴费调整背后的原因都遵循一致的四阶段过程。每个阶段都被设计为可审计的，因此最终的建议可以追溯到产生它的数据。
定价、交易量和波动性数据是从既定的市场数据源中不断收集的，并进行标准化以便跨时间段进行比较。
将历史模式识别应用于传入的数据，以评估当前状况是否类似于短期混乱。
在考虑任何调整之前，所产生的信号会根据投资者预先商定的风险承受能力和贡献限额进行加权。
最终的、有界的建议以及产生该建议的数据和推理一起被生成和记录。
每个阶段的输出都是建议，而不是绕过投资者控制的指令。贡献限制是预先商定的，模型不能超过。这种结构的目的是明确定义系统的角色：它支持投资者已经做出的决策，但不会取代该决策。
该模型不会尝试判断底部。在持续下跌期间，它继续应用正常情况下使用的相同有界逻辑，随着超卖信号持续存在，逐渐增加贡献权重，始终在投资者设定的限制内。无论经济低迷持续多久，它的资本配置都不会超出商定的限制。
界面有意保持简单：贡献时间表、限制和建议以简单的语言呈现，并附有支持性解释，而不是原始的技术输出。用户每天不需要做出积极的交易决策；预定的、基于规则的结构旨在定期审查，而不是持续监测。
数据根据标准金融数据保护实践进行处理，包括对传输中和静态数据进行加密，以及限制对账户信息的内部访问。投资者可以随时请求记录其数据在平台内的使用情况。
不会。贡献限额和风险承受能力是投资者在系统开始运行之前设定的，不能由模型本身更改。任何超出这些限制的拟议调整都不会执行。
没有一个预测模型在所有情况下都是正确的，这就是为什么系统是围绕有界的增量调整而不是大型的单一决策构建的。不正确的信号会导致与固定缴款计划的适度偏差，而不是整体风险的显着变化。
Lam Nganvuong 不要求您预测市场。它要求您设定明确的限制，并让经过测试的、基于规则的流程一致地应用这些限制，做出一个又一个的贡献。查看方法、设置参数并在准备好后开始分析。