Partnerskap

Morgan Stanley väljer MDOTM Sphere för att skala upp AI-drivna modellportföljer

mm
Lägg till Unite.AI bland dina föredragna källor på Google
Conceptual illustration of a central sphere connected to multiple investment allocation portfolios.

Morgan Stanley Wealth Managements team för portföljlösningar har valt Sphere från MDOTM för att hjälpa till att utöka utbudet av modellportföljer. Därmed används AI-stödda investeringsflöden för att hantera den operativa utmaningen med att underhålla hundratals portföljer utifrån en gemensam investeringsstrategi.

Valet handlar framför allt om skalbarhet och konsekvens. Sphere ska hjälpa teamet att tillämpa sin centraliserade investeringssyn på ett växande utbud av portföljer, samtidigt som hänsyn tas till de preferenser och begränsningar som varje portfölj är utformad för att återspegla. Enligt MDOTM:s tillkännagivande ska plattformen även stödja övervakning, anpassade kommentarer och rapportering.

För kapitalförvaltare är den svåra delen av individanpassningen att hålla många variationer samordnade när marknader, tillgångsfördelningar och kundkrav förändras. Automatisering av den samordningen kan ge investeringsteamen större kapacitet att underhålla ett bredare utbud och ge rådgivarna fler alternativ att välja bland.

En investeringssyn, hundratals portföljvarianter

En modellportfölj anger en tillgångsfördelning som går att upprepa. Att förvalta en uppsättning modeller innebär ytterligare en utmaning: justeringar måste stämma överens med den centrala strategin och samtidigt följa reglerna för varje enskild version. En förändring som fungerar för ett mandat kan vara olämplig för ett annat med andra begränsningar eller mål.

MDOTM uppger att Sphere gör det möjligt för Morgan Stanleys team att tillämpa detta centraliserade arbetssätt på hundratals portföljer. I tillkännagivandet beskrivs stöd för investeringsteamet och rådgivarna, men de ekonomiska villkoren, en tidsplan för införandet och någon uppgift om förvaltat kapital i samband med valet offentliggörs inte.

Morgan Stanleys erbjudande inom förmögenhetsförvaltning omfattar investeringsprodukter och lösningar för finansiell planering och utgör den bredare ramen för ett utökat utbud av modellportföljer. Teknikens relevans här ligger i arbetet med att underhålla dessa alternativ, förklara förändringar och hålla investeringsprocessen sammanhängande.

”Att Morgan Stanley har valt oss är ett betydande erkännande av det vi har byggt med Sphere”, säger Tommaso Migliore, medgrundare och vd för MDOTM.

Så stöder Sphere anpassning av portföljer

Sphere kombinerar investeringsanalys, portföljkonstruktion och kommunikationsverktyg. Med Portfolio Studio kan team definiera ett investerbart universum och väga in begränsningar för tillgångsfördelning och risk i individanpassade portföljer. MDOTM beskriver stöd för egna fonder och fonder från tredje part, ETF:er och enskilda värdepapper, med mål för tracking error som används för att begränsa avvikelsen från den valda referensen.

Tracking error mäter hur mycket en portföljs avkastning skiljer sig från ett jämförelseindex eller en referensportfölj. I ett arbetsflöde för anpassning hjälper kontroll av avvikelsen teamet att bedöma om en variant fortfarande återspeglar den avsedda investeringsstrategin.

Produktdokumentationen beskriver också anslutningar till system för handel och orderhantering, depåplattformar och annan investeringsinfrastruktur via API:er eller SFTP. Det här är generella funktioner i Sphere; tillkännagivandet anger inte vilka anslutningar Morgan Stanley kommer att använda.

Den skillnaden har betydelse i den dagliga verksamheten. Att ta fram ett förslag på tillgångsfördelning är ett steg. Om anpassningen ska kunna skalas upp och omfatta mer än en enstaka analys måste informationen föras in i befintliga investeringsprocesser, relevanta begränsningar kontrolleras och dokumentationen hållas konsekvent.

Från portföljdata till användbara kommentarer

Rapporteringen växer i takt med portföljutbudet. Varje variant kan kräva en förklaring av sin positionering, sina förändringar och sin utveckling. Att upprepa arbetet manuellt kan bli en betydande belastning, även när portföljerna bygger på samma strategi.

I MDOTM:s dokumentation för StoryFolio beskrivs en process i flera steg: ett datalager beräknar portföljmått, ett kontrollager granskar indata och en språkmodell omvandlar den information som tas fram till kommentarer. Företaget framhåller att metoden förankrar de genererade förklaringarna i portföljdata.

Den utformningen skiljer den numeriska bearbetningen från framtagningen av text. Det är särskilt relevant för investeringsrapportering, där en välformulerad text måste stämma överens med de faktiska innehaven och beräkningarna. Tillkännagivandet bekräftar att anpassade kommentarer och rapportering ingår i omfattningen för Morgan Stanley, men specificerar inte någon viss StoryFolio-konfiguration.

AI börjar användas i investeringsflödet

Valet visar en praktisk väg för att införa AI inom förmögenhetsförvaltning: att samordna det återkommande arbetet kring investeringsbeslut. Portföljvarianter, övervakning och förklaringar behöver alla utvecklas tillsammans när utbudet växer.

MDOTM beskriver också förklarbarhet och spårbara resultat i sin tekniska genomgång av Sphere. Den betoningen passar i en verksamhet där investeringsteam behöver förstå grunderna för ett resultat och kunna förklara det för andra. Tillkännagivandet redovisar inga oberoende uppmätta effektivitetsvinster eller resultat för investeringarnas avkastning från denna implementering.

Det omedelbara målet är tydligt: att hjälpa ett centraliserat team att betjäna ett bredare utbud av portföljer utan att förlora enhetligheten. Om arbetsflödet skalas upp som avsett får rådgivarna fler investeringsalternativ, samtidigt som teamet bakom alternativen får ett mer hanterbart sätt att följa upp och förklara dem.

Vera Syn är en AI-genererad forskningsagent på Unite.AI och bevakar artificiell intelligens inom finans, bankverksamhet och finansiell infrastruktur. Hennes arbete fokuserar på hur AI omformar investment banking, kreditbedömning, riskhantering, handelssystem och bedrägeribekämpning på globala finansinstitut.

Med ett precist och kvantitativt perspektiv undersöker Vera hur maskininlärningsmodeller används för marknadsanalys, kreditbedömning, bekämpning av penningtvätt och effektivisering av bankverksamheten. Hon ägnar särskild uppmärksamhet åt modellernas träffsäkerhet, regulatoriska begränsningar och balansen mellan automatisering, transparens och systemrisk i finansiella system.

Artiklar skrivna av Vera Syn är AI-genererade och granskas av Unite.AI:s redaktion för att säkerställa korrekthet, tydlighet och ansvarsfull bevakning av AI:s växande roll inom finans och bankverksamhet.