当收入不规律地到来时——项目到项目、客户到客户、时区到时区——资本决策通常会被推迟到晚上和周末。风险评估变得被动：在出现标题后进行快速检查，在已经发生撤资后进行后期审查。
手动监控也有结构上的限制。一个人可以仔细审查少数头寸，或粗略地审查许多头寸，但很少同时审查两者，而且很少在与重要市场不同时区的凌晨 3 点审查。
Nang Kim Thinh 全天候针对您的投资组合和相关市场数据运行预测模型。它不会取代您对策略或目标的判断——它消除了风险出现和您发现风险之间的差距。
您设置参数。系统会监视其中重要的模式。
市场信息、投资组合头寸和波动性指标是滚动引入的，而不是按固定的报告间隔。
该系统将当前状况与历史波动模式进行比较，以识别值得关注的偏差。
每个头寸都会根据您定义的风险限额和回撤阈值进行评分，而不是一般的风险偏好。
您会收到一份有关更改内容及其原因的排名摘要。除非您明确授权，否则执行决定仍由您决定。
预测的准确性完全取决于数据质量。 Nang Kim Thinh 从许可的源中获取市场数据，并在进入任何模型之前进行验证检查。未经验证或陈旧的输入不会生成任何建议，并且系统会标记数据覆盖范围中的差距，而不是用假设来填充它们。
预测模型描述的是概率，而不是确定性。它们的建立是为了减少盲点，而不是消除市场风险。
独立专业人士的资本基础和风险承受能力差异很大。下面的例子说明了同一个底层系统如何适应不同规模的数据和决策。
该档案涉及多个没有固定发薪日的客户合同，通常会审查工作之间的短期投资。持续监控取代了临时检查，因此波动性会随着其发展而被标记，而不是在下一个空闲的晚上发现。
将资本分散到股票、基金和另类资产中使得手动相关性跟踪变得不切实际。 Nang Kim Thinh 整合了各持股的风险敞口，并暴露了集中风险，否则这些风险在不同账户之间会被忽视。
超过一种货币的收入和持有量会带来容易被忽视的波动层。该模型将货币风险视为一流的输入，而不是留给个人的单独计算。
我们宁愿解释我们的流程，也不愿要求您相信没有上下文的结果。以下各节描述了模型的管理方式，而不仅仅是模型的输出内容。
战略仍然是人类的决定。您定义目标、时间范围和可接受的回撤。人工智能的作用是在这些边界内执行监控和分析——它不会设定你的目标，也不会推翻你的目标。
头寸根据分层阈值进行评估：每个资产类别的风险敞口限制、提示审查的波动性触发器以及在损失变得重大之前生成警报的回撤上限。每一层都是可配置的，而不是固定的。
投资组合和账户数据在传输过程中和静态时均进行加密。对数据的访问仅限于生成分析所需的系统，并且凭证绝不会与投资组合内容一起存储。
Nang Kim Thinh 是围绕一个特定的限制而形成的：远程且独立于地点的专业人士很少有固定的窗口来审查市场，但他们的资本却始终暴露在市场中。该平台的目的是通过持续的、有数据支持的分析来缩小这一差距。
该系统不承诺巨额回报。它旨在让您更清晰、更早地了解风险，以便您根据更完整的信息做出自己的战略决策。
阅读我们的完整方法
不会。默认情况下，Nang Kim Thinh 会提供分析和排名建议；您决定是否以及何时采取行动。任何自动执行都是选择加入并显式配置的，并具有您提前设置的限制 - 它永远不会默默地打开。
市场数据来自多个许可的源，并在使用前进行交叉检查。如果提要延迟或不一致，受影响的信号将被标记为置信度较低，而不是作为确定的建议呈现。
风险评分是您自己判断的起点，而不是指示。您可以调整基础参数——暴露限制、回撤容限、时间范围——模型将根据您修改后的视图重新计算。
您的数据仅用于生成您的分析。它不被出售，也不用于代表其他客户训练模型。完整的详细信息载于我们的隐私政策。
没有任何系统可以保证不会出现市场损失，我们将对任何提出其他要求的提供商持谨慎态度。 Nang Kim Thinh 提供的是更早地了解正在发生的风险，从而支持更好的决策——而不是结果的保证。