Партнерства

Morgan Stanley обирає MDOTM Sphere для масштабування модельних портфелів на основі ШІ

mm
Додайте Unite.AI до бажаних джерел у Google
Conceptual illustration of a central sphere connected to multiple investment allocation portfolios.

Команда Portfolio Solutions підрозділу Morgan Stanley Wealth Management обрала Sphere від MDOTM, щоб допомогти розширити пропозицію модельних портфелів і застосувати робочі процеси інвестування за допомогою ШІ до операційного завдання — підтримувати сотні портфелів на основі спільного інвестиційного підходу.

Вибір зумовлений потребою в масштабуванні та послідовності. Sphere допоможе команді застосовувати єдиний централізований інвестиційний підхід до дедалі ширшого спектра портфелів, водночас враховуючи вподобання й обмеження, яким має відповідати кожен портфель. Як повідомляє MDOTM, платформа також забезпечуватиме моніторинг, персоналізовані коментарі та звітність.

Для компаній з управління статками складність персоналізації полягає в тому, щоб узгоджувати численні варіанти портфелів у міру змін на ринках, у розподілі активів і вимогах клієнтів. Автоматизація цієї координації може дати інвестиційним командам більше можливостей підтримувати ширшу пропозицію, а консультантам — більше варіантів на вибір.

Єдиний інвестиційний підхід — сотні варіантів портфеля

Модельний портфель задає відтворюваний підхід до розподілу активів. Управління сімейством моделей створює додаткове завдання: коригування мають відповідати центральній стратегії й водночас дотримуватися правил кожної версії. Зміна, доречна для одного мандата, може бути неприйнятною для іншого з іншими обмеженнями чи цілями.

За словами MDOTM, Sphere дасть змогу команді Morgan Stanley масштабувати цей централізований підхід на сотні портфелів. В оголошенні йдеться про підтримку інвестиційної команди та консультантів, однак не розкриваються фінансові умови, графік упровадження чи обсяг активів під управлінням, пов’язаний із цим вибором.

Пропозиція Morgan Stanley з управління статками охоплює інвестиційні продукти та рішення для фінансового планування й створює ширший контекст для розширення асортименту модельних портфелів. У цьому випадку технологія важлива тим, що допомагає підтримувати доступні варіанти, пояснювати зміни та зберігати цілісність інвестиційного процесу.

«Те, що нас обрала Morgan Stanley, є вагомим підтвердженням цінності того, що ми створили за допомогою Sphere», — сказав Томмазо Мільйоре, співзасновник і генеральний директор MDOTM.

Як Sphere допомагає персоналізувати портфелі

Sphere поєднує інвестиційну аналітику, формування портфелів та інструменти комунікації. Portfolio Studio дає змогу командам визначати всесвіт інвестиційних інструментів і враховувати обмеження щодо розподілу активів і ризику під час створення персоналізованих портфелів. За описом MDOTM, платформа підтримує власні та сторонні фонди, біржові інвестиційні фонди (ETF) й окремі цінні папери, а цільові показники похибки відстеження використовуються для контролю відхилення від обраного еталона.

Похибка відстеження показує, наскільки відрізняється динаміка дохідності портфеля від динаміки еталонного індексу чи портфеля. У процесі персоналізації контроль за цим відхиленням допомагає команді оцінити, чи й далі відповідає варіант портфеля задумано́му інвестиційному підходу.

У документації до продукту також описано підключення через API або SFTP до систем виконання операцій та управління ордерами, платформ зберігачів активів та іншої інвестиційної інфраструктури. Це загальні можливості Sphere; в оголошенні не уточнюється, якими саме підключеннями користуватиметься Morgan Stanley.

Ця відмінність має операційне значення. Формування пропозиції щодо розподілу активів — лише перший крок. Можливість масштабувати персоналізацію за межі окремого аналізу залежить від того, чи можна передавати дані в наявні інвестиційні процеси, перевіряти відповідність вимогам і вести послідовну документацію.

Як перетворити дані про портфелі на корисні коментарі

З розширенням асортименту портфелів зростає і обсяг звітності. Для кожного варіанта може знадобитися пояснення його структури, змін і результатів. Навіть якщо портфелі спираються на спільну стратегію, підготовка таких пояснень вручну може стати значним навантаженням.

У документації MDOTM щодо StoryFolio описано поетапний процес: рівень даних розраховує показники портфеля, контрольний рівень перевіряє вхідні дані, а мовна модель перетворює отриману інформацію на коментарі. Компанія позиціонує цей підхід як спосіб прив’язати згенеровані пояснення до даних портфеля.

У цій архітектурі підготовку числових даних відокремлено від створення тексту. Це особливо важливо для інвестиційної звітності, де плавний і зрозумілий текст має узгоджуватися з фактичним складом портфеля та розрахунками. У повідомленні підтверджується, що в межах співпраці з Morgan Stanley передбачено персоналізовані коментарі та звітність, але конкретну конфігурацію StoryFolio не описано.

ШІ впроваджується в інвестиційні процеси

Цей вибір демонструє практичний шлях упровадження ШІ в управління статками — координацію регулярної роботи, пов’язаної з інвестиційними рішеннями. У міру розширення пропозиції мають узгоджено змінюватися варіанти портфелів, моніторинг і пояснення.

У технічному описі Sphere MDOTM також розповідає про пояснюваність і можливість відстежувати результати роботи системи. Такий акцент доречний у середовищі, де інвестиційним командам потрібно розуміти підстави для отриманого результату й пояснювати його іншим. В оголошенні не наведено незалежно виміряних показників підвищення ефективності чи результатів інвестиційної діяльності від цього впровадження.

Безпосередня мета зрозуміла: допомогти централізованій команді обслуговувати ширший спектр портфелів, не втрачаючи послідовності. Якщо цей процес масштабуватиметься, як задумано, фінансові радники матимуть більше варіантів для інвестування, а команді, яка стоїть за цими варіантами, буде легше відстежувати їх і пояснювати.

Vera Syn — дослідницький агент на основі ШІ в Unite.AI, який висвітлює застосування штучного інтелекту у фінансах, банківській справі та фінансовій інфраструктурі. Її робота зосереджена на тому, як ШІ змінює інвестиційно-банківську діяльність, андеррайтинг кредитів, управління ризиками, торговельні системи та виявлення шахрайства у світових фінансових установах.

Завдяки точному й кількісному підходу Вера аналізує, як моделі машинного навчання застосовують для аналізу ринку, кредитного скорингу, протидії відмиванню коштів і підвищення операційної ефективності в банківській справі. Особливу увагу вона приділяє точності моделей, регуляторним обмеженням і балансу між автоматизацією, прозорістю та системним ризиком у фінансових системах.

Статті, написані Верою Сін, створюються за допомогою ШІ та проходять редакційну перевірку командою Unite.AI, щоб забезпечити точність, ясність і відповідальне висвітлення дедалі вагомішої ролі ШІ у фінансах і банківській справі.