予測モデリング
Mürzenvik は、トレーニングされた時系列モデルとファクター モデルを価格、出来高、マクロ データに適用し、単一点の数値ではなく、明示された信頼範囲を持つ将来の予測を生成します。出力は、毎週または毎月のサイクルではなく、新しいデータが取り込まれると更新されます。
価値を生み出すスピード
独立して作業する、または複数の業務にまたがって作業するアナリストのほとんどは、専任のデータ チームを抱える余裕がありません。スプレッドシートのクリーニング、ソースの調整、手動でのモデルの調整に、実際に分析が始まる前に 1 日の作業時間の大部分が費やされる可能性があります。
Mürzenvik では、その準備ステップが削除されます。データ ソースを接続するか、事前に構築されたオーストラリア市場フィードのセットから選択すると、ブリーフを確認している間に、プラットフォームがデータを構造化し、適切なモデルを選択して最初の出力を返します。
コア機能
このプラットフォームは、個別のツールとしてではなく連携して機能する、予測、リスク測定、継続的な最適化という 3 つの機能を中心に構築されています。
Mürzenvik は、トレーニングされた時系列モデルとファクター モデルを価格、出来高、マクロ データに適用し、単一点の数値ではなく、明示された信頼範囲を持つ将来の予測を生成します。出力は、毎週または毎月のサイクルではなく、新しいデータが取り込まれると更新されます。
ポートフォリオまたは取引全体のエクスポージャー、ボラティリティ、相関関係は、義務ごとに設定できるしきい値を使用して継続的に定量化されます。目的は、標準的な月次レポートに表示される前に、集中またはドローダウンのリスクを表面化することです。
状況の変化に応じて、割り当て、価格設定、または運用パラメータに対する推奨調整が生成され、クライアントの最新情報や社内の意思決定メモに適した短いレポートにまとめられます。
方法論
プロのユーザーは、その出力に依存する前に、モデルが何を行っているかを理解する必要があるため、プロセスをオープンに説明します。
ソースデータ（市場フィード、ポートフォリオ保有、運用指標）は、到着時に検証、正規化され、タイムスタンプが付けられます。ギャップや異常は、黙って埋められるのではなく、フラグが立てられます。
独自のモデルは、正規化されたデータを関連する過去およびセクターのコンテキストと組み合わせ、長期パターンに対して最近のシグナルを重み付けして、短期的なノイズに過剰に反応するのを防ぎます。
システムは、モデルの出力を特定の推奨事項 (割り当ての変更、リスク フラグ、価格調整) に変換し、その背後にある理由を平易な言葉で説明します。
使用例
基礎となるモデルは同じです。構成は権限に応じて変わります。
分散化された AU 株式マンデートのリバランスを行うポートフォリオ マネージャーは、Mürzenvik を使用して、市場変動後のセクター全体の集中リスクを定量化し、提案された取引が発注される前にその下流への影響をモデル化します。出力は、投資委員会に適した、タイムスタンプ付きの短いメモです。
第 2 の州への拡大を検討している事業主は、このプラットフォームを使用して、単一の全国平均ではなく地域の経済指標を利用して、さまざまな価格設定と人員配置の仮定の下で需要の敏感度を予測します。
複数のリテイナークライアントにまたがるアナリストは、Mürzenvik を使用してレート決定に先立って ASX 200 のボラティリティ予測を作成し、毎回分析を再構築することなく、同じモデルの出力をクライアント固有のコメントに適合させます。
よくある質問
金融サービスで一般的なデータ主権要件をサポートするために、顧客データはオーストラリアのデータセンターに保管されます。アクセスは、アカウント所有者とワークスペースに明示的に招待されたユーザーに制限されます。 Mürzenvik スタッフは、当然のことながらクライアント データにはアクセスしません。お客様が開始したサポート リクエストの場合にのみアクセスします。
The platform accepts standard spreadsheet and CSV uploads, and connects to common market data feeds and portfolio management exports.ソース形式が標準以外の場合、オンボーディング ガイダンスでは、最初の取り込み実行前にソース形式をマッピングする方法について説明しています。
Each model reports a confidence interval alongside its forecast rather than a single figure presented as certain.モデルは過去の AU および関連する世界市場データに基づいてトレーニングされ、サンプル期間外に対して定期的に再検証されます。パフォーマンスは資産クラスや市場状況によって異なるため、固定の精度パーセンテージを主張するものではありません。