Vermtage 了解您真正愿意承担的风险有多大，然后根据您的零工收入的上升和下降调整您的投资组合。结果是一个适合您实际情况的策略，而不是为受薪储蓄者构建的固定模板。
优化您的投资组合来自自由职业、零工和合同工作的额外收入很少能等额支付。大多数投资平台在构建时并未考虑到这一现实。
传统的机器人顾问在入职时假设每月有稳定的贡献和风险承受能力，并且很少重新审视。对于通过平台工作赚钱的人来说，一个月的收入与下一个月的收入可能会有很大差异，个人情况也会相应变化。
这种不匹配造成了我们所说的波动性差距：您的收入实际表现与您的投资策略假设的表现之间的差距。如果不加以解决，这一差距往往会导致过度谨慎或意外暴露。
Vermtage 的人工智能将不规则收入视为普通数据，而不是需要管理的例外情况。它会监控您的贡献模式和市场状况，然后在您预先设定的限制内重新调整分配。
三种机制协同工作，每种机制都解决问题的不同部分，而不是重复其他机制。
人工智能根据您陈述的偏好和观察到的收入行为构建个人资料，然后随着您的情况变化而不断完善它，而不是依赖于注册时进行的单一调查问卷。
市场数据、宏观经济指标和资产水平信号是连续处理的，因此建议反映的是当前状况，而不是不经常更新的静态模型。
一旦你定义了边界，人工智能就会自动在其中执行重新平衡。您保留随时查看、暂停或覆盖任何操作的能力。
该平台以重复的三步循环运行，因此每个建议都可以追溯到其底层逻辑。
收入存款、市场价格和宏观经济指标都被收集并标准化，为模型提供了一致的、最新的图景。
系统根据您的风险状况分析这些数据，识别您当前的配置可能超出您定义的舒适范围的情况。
调整是建议的，或者在您授予许可的情况下自动执行的，并且始终受到您设置的边界的约束。
Vermtage 是围绕一个简单的观察而设计的：为受薪就业而构建的工具无法为独立赚钱者提供足够的服务。对于收入每周都有变化的人来说，风险承受能力并不是一个固定的数字。
人工智能提出的每一个建议都是基于您自己的数据和您自己规定的限制，不断审查和完善，而不是一旦设置就被遗忘。
下面说明了每种设置下的典型、无保证的行为。实际结果取决于市场状况和您自己的贡献模式。
适合具有相当稳定的基准收入、希望逐步增长但投资组合价值不大幅波动的收入者。人工智能通常会保持平衡分配，在收入较低的时期略微减少风险敞口，并在收入较高的月份增加风险敞口。
说明性模式：分配变化大约 5-10 个百分点，以应对每月缴款的持续变化。
适合那些依赖此收入作为近期缓冲的人，例如覆盖淡季交易期的人。人工智能优先考虑波动性较低的资产，并对收入下降做出更保守的反应，倾向于稳定而不是追求额外回报。
说明性模式：对股票类风险敞口设定上限，其余部分持有波动性较低的工具。
专为具有较长时间跨度和较高波动承受能力的收入者而设计，通常是那些将补充收入视为可自由支配的增长资本的人。人工智能被允许更广泛的分配范围，并且更容易调整以捕捉分析过程中发现的新机会。
说明性模式：更宽的分配范围，在您批准的限制内更频繁地重新平衡。
大多数潜在用户在连接帐户之前提出的几点。