刚开始投资股票的人首先要学会的是如何在亏损面前冷静地做出决定，而不是如何盈利。
行为经济学解释说，人们对损失的敏感度大约是同等规模收益的敏感度的两倍。正因为如此，当账户出现亏损时，投资者很容易基于焦虑而不是分析来做出决定。
在暴跌的市场中通过出售和持有来推迟决策的行为并不是个人意志的缺乏，而是每个人都会发生的结构性心理反应。
大多数传统的投资策略侧重于在经济繁荣时期实现回报最大化，而将经济衰退时期的反应留给个人投资者自行决定。问题是，这种判断在最需要的时刻最有可能动摇。
Light of Learning 的系统经过精心设计，可让数据和算法在情绪介入之前解释情况。
不断收集和完善市场数据，包括价格、交易量和波动性指标，以立即反映当前状况。我们从一个前提出发，分析周期越长，响应越慢。
一种学习过去波动模式和当前市场结构的预测算法可以量化经济衰退的可能性。这不是一个明确的预言，但更接近于基于概率的预警。
当危险信号越过阈值时，根据预设条件自动执行止损。即使投资者不看屏幕，这种保护也能发挥同样的作用。
它不是一个以短期利润最大化为目标的结构，而是一个从数据收集到风险防范的系统循环过程。
我们不断收集国内外市场数据、交易所指数、波动性相关指数，积累分析基础数据。
人工智能模型识别收集数据中的异常模式和风险信号，并评估当前头寸面临的下行风险水平。
如果评估的风险级别超过设定标准，系统将根据预定义规则采取行动封锁损失区域。
Light of Learning 旨在实现长期可持续的资本增长，而不是争夺短期回报。
即使年化回报率很高，但如果中间遭受较大损失，收回本金所需的回报率也会不对称地增加。例如，要挽回 50% 的损失，您需要 100% 的回报，而不是相同的百分比。
Light of Learning遵循首先控制极端损失或尾部风险，然后设计增长策略的顺序。目标不是完全消除波动，而是提前防止难以挽回的下跌。
Light of Learning 不会将分析模型和执行逻辑保留为黑匣子。它的目的是让投资者检查哪些指标发出了风险信号以及按照什么标准执行了止损。
这是因为我们认为，为了让投资者信任系统，过程的透明度与结果一样重要。
根据做出决定的需要，尽可能具体。
Light of Learning仅收集分析所需的最少量数据，并对存储和传输部分进行加密。需要账户访问的功能通过交易所或证券公司提供的公共认证流程进行连接，并在内部建立单独的访问权限系统，以减少数据滥用的可能性。
预测模型是一种根据过去的数据建议概率风险水平的工具，但不能明确预测未来。因此，它并不能保证100%防损，而是旨在机械地快速捕获人类在剧烈波动的路段中容易错过的信号。作为判断依据的关键指标被公开，以便用户直接查看。
初始设置从输入您的投资偏好和可接受的损失范围开始。提供默认值，让您不必直接处理复杂的参数，可以在观察操作过程的同时调整详细的标准。设置过程本身并不取代投资判断，而是为该判断构建框架。