预测建模
Mürzenvik 将训练有素的时间序列和因子模型应用于价格、数量和宏观数据，以规定的置信范围而不是单点数字生成前瞻性估计。输出随着新数据的吸收而更新，而不是按周或月周期更新。
速度实现价值
大多数独立工作或跨多个项目工作的分析师都没有专门的数据团队。在任何分析真正开始之前，清理电子表格、协调来源和手动校准模型可能会占用工作日的大部分时间。
Mürzenvik 删除了该准备步骤。您连接数据源或从一组预先构建的澳大利亚市场源中进行选择，平台会构建数据、选择适当的模型并返回第一个输出，而您仍在查看简报。
核心能力
该平台围绕三个功能构建，这些功能协同工作，而不是作为单独的工具：预测、风险衡量和持续优化。
Mürzenvik 将训练有素的时间序列和因子模型应用于价格、数量和宏观数据，以规定的置信范围而不是单点数字生成前瞻性估计。输出随着新数据的吸收而更新，而不是按周或月周期更新。
投资组合或交易的风险敞口、波动性和相关性被连续量化，您可以根据任务设置阈值。目的是在集中或回撤风险出现在标准月度报告中之前将其暴露出来。
随着情况的变化，会生成对分配、定价或运营参数的建议调整，并汇总成适合客户更新或内部决策备忘录的简短报告。
方法论
我们公开描述该过程，因为专业用户在依赖其输出之前需要了解模型正在做什么。
源数据——市场信息、投资组合持有量、运营指标——在到达时经过验证、标准化和时间戳。差距和异常情况会被标记出来，而不是默默地被填补。
专有模型将标准化数据与相关历史和行业背景相结合，根据长期模式对近期信号进行加权，以避免对短期噪音反应过度。
该系统将模型输出转化为具体的建议——分配变化、风险标记、定价调整——并用简单的语言说明其背后的推理。
使用案例
底层模型是相同的；配置根据任务而变化。
重新平衡多元化 AU 股票委托的投资组合经理使用 Mürzenvik 来量化市场走势后跨行业的集中风险，并在进行交易之前对拟议交易的下游影响进行建模。输出是一份简短的、带有时间戳的说明，适合投资委员会。
评估向第二个州扩张的企业主使用该平台来预测不同定价和人员配置假设下的需求敏感性，利用区域经济指标而不是单一的全国平均水平。
一位在多个保留客户中工作的分析师使用 Mürzenvik 在利率决策之前对 ASX 200 进行波动性预测，然后将相同的模型输出调整为特定于客户的评论，而无需每次都重新构建分析。
常见问题解答
客户数据保存在澳大利亚数据中心，以支持金融服务中常见的数据主权要求。访问权限仅限于帐户持有人和明确邀请进入工作区的任何人； Mürzenvik 工作人员当然不会访问客户数据，只会访问您发起的支持请求。
该平台接受标准电子表格和 CSV 上传，并连接到常见的市场数据源和投资组合管理导出。如果您的源格式是非标准的，我们的入门指南将介绍如何在首次提取运行之前映射它。
每个模型都会报告其预测的置信区间，而不是确定的单个数字。模型根据历史 AU 和相关全球市场数据进行训练，并定期针对样本外期间进行重新验证；我们不要求固定的准确率，因为性能因资产类别和市场条件而异。