資本市場の企業がリサーチ、トレーディング、リスク、オペレーション、コンプライアンスを接続し、AIをパイロットからガバナンスの効いたワークフローへと移行させる方法について、Andrea DeSosa氏に伺ったQ&A。
によって Kim Hatton 、 Andrea DeSosa による投稿
資本市場の企業は、データ量の増加、リアルタイムなインサイトへの期待の高まり、本番環境への移行が進むAIイニシアチブ、決済サイクルの短縮など、あらゆる方向からの圧力にさらされながら、取引ライフサイクルの近代化を進めています。現時点で、AIを導入すべきかどうかを議論している人はいません。本当の問題は、リサーチ、 トレーディング、リスク、オペレーション、コンプライアンスの各部門が、ガバナンスの効いた同じデータに基づいて業務を行っているのか、それとも単にそう思い込んでいるだけなのか、ということです。
企業が実験段階から本番環境へと移行するにつれ、あるパターンが浮かび上がってきています。それは、持続的な優位性はモデル単体にあるのではないということです。注文、約定、ポジション、リサーチ、リスク、クライアント、オペレーションデータなどの独自データを、ライフサイクル全体にわたってより発見しやすく、信頼性が高く、ガバナンスが効いた状態にする能力こそが優位性となります。
DatabricksのCapital Markets GTMグローバルヘッドであるAndrea DeSosa氏に、プレトレード、執行、ポストトレード、およびサーベイランス（監視）のワークフローを再構築している運用の圧力について話を聞き、近代化の優先順位を決定する実用的な方法についてのインサイトを得ました。この対談は、わかりやすさと長さのために編集されており、電子書籍『資本市場における取引ライフサイクルの近代化』で探求されているテーマに基づいています。
Kim Hatton: 現在、トレーディングやリサーチのリーダーたちが取引ライフサイクルの再検討を迫られている要因は何ですか？
Andrea DeSosa: 企業は、より多くのオルタナティブデータ、より多くのAI実験、より短い運用スケジュール、そして意思決定や管理の方法に対するより厳しい精査に対応しています。同時に、リサーチ、トレーディング、リスク、オペレーション、サーベイランスは、別々のシステムや一貫性のないデータビューに依存していることがよくあります。
このような断片化は、意思決定を遅らせ、執行分析を複雑にし、リスクの可視性を制限します。また、規制当局、クライアント、または内部統制部門から求められた際に、何が起きたのかを再現することを困難にします。
Kim Hatton: データ断片化は、取引ライフサイクルのどこに現れるのでしょうか？
Andrea DeSosa: プレトレードでは、投資仮説の検証やバックテストを実行する前に、市場データ、ファンダメンタルズデータ、ESGデータ、オルタナティブデータの準備や照合に、チームが多大な時間を費やすことがあります。
執行（エグゼキューション）中、デスクはベニュー（取引場所）、戦略、クライアントごとの執行品質、流動性、注文フロー、スリッページのタイムリーなビューを必要とします。しかし、トレーダーのデスクトップ上のビューは、リスク、コンプライアンス、またはオペレーション部門が利用できるデータと一致しない場合があります。
ポストトレードでは、多くの企業がいまだに夜間のリスク処理、スプレッドシートベースの照合、およびより長い決済サイクル向けに設計されたレポート作成に依存しています。決済期間が短縮され、運用のレジリエンスと透明性への期待が高まるにつれ、こうした慣行を維持することは困難になってきています。
Kim Hatton: 取引ライフサイクルの近代化において、AIはどのように位置づけられますか？
Andrea DeSosa: AIから再現可能な価値を得ている企業は、必ずしも最も多くのパイロットプロジェクトを実施している企業ではありません。それらは、注文フロー、社内リサーチ、ポジション、リスク出力、クライアント情報、運用データなどの独自のコンテキストを、ライフサイクル全体で安全に接続し、ガバナンスを効かせることができる企業です。
その基盤がなければ、AIはまた別の断片化したワークフローを生み出すだけになりかねません。しかし基盤があれば、適切なアクセス制御とトレーサビリティを維持しながら、従業員が例外事項を調査し、執行品質を分析し、リサーチを統合し、潜在的なサーベイランスの問題をあぶり出すのに役立つツールを構築できます。
戦略的な問いは、「どのモデルを使用すべきか？」から「データ、分析、統制をどのように本番ワークフローに接続するか？」へと移行します。
Kim Hatton: トレーディングアーキテクチャを近代化すべき時期であることを示すシグナルには、どのようなものがありますか？
Andrea DeSosa: 繰り返し挙げられるものが3つあります。
これらの圧力は、1つの実用的なテストへとつながります。金利が変動し、スプレッドが拡大し、流動性が悪化し、あるいは運用上のインシデントが発生したとき、企業はどれほど迅速に自社のポジションを把握し、エクスポージャーを理解し、影響を受けるワークフローを特定し、関与するデータと意思決定の監査可能な記録を作成できるでしょうか？
Kim Hatton: 企業は取引ライフサイクルの近代化をどこから始めるべきでしょうか？
Andrea DeSosa: リーダーがすでに下す必要のある意思決定から始めましょう。
優先すべき問いが明確になれば、必要なデータドメインも明確になります。
執行品質の分析においては、注文、約定、ベニューデータ、ベンチマークに加えて、市場データやリファレンスデータが必要になる場合があります。ポストトレードのレジリエンスにおいては、取引、アロケーション、確認、決済ステータス、担保、資金調達、および運用上の例外事項が対象となるでしょう。
目標は、すべてのシステムを一度に近代化することではありません。少数の価値の高いワークフローに対して、ガバナンスの効いた再利用可能なデータ基盤を確立し、測定可能な成果を証明し、そこから拡大していくことです。
Kim Hatton: このアプローチにおいて、Databricks Data + AIプラットフォームは何を可能にしますか？
Andrea DeSosa: このプラットフォームは、リアルタイムデータと履歴データ、分析、AIを共通の基盤上に統合することで、その進展をサポートします。
Unity Catalogは、データとAI資産全体にわたって、一元化されたガバナンス、アクセス制御、発見、およびリネージを提供します。Agent Bricksは、チームがドメイン固有のエージェントを構築、デプロイ、管理するのを支援し、AI/BIは、ビジネスユーザーがダッシュボード、可視化、自然言語体験を通じて、ガバナンスの効いたデータを探索できるようにします。
その価値は1つのワークフローに限定されません。リサーチ、トレーディング、リスク、オペレーション、コンプライアンスの各部門が、それぞれの機能が必要とする統制とコンテキストを維持しながら、一貫性のあるガバナンスの効いたデータに基づいて業務を行えるようになることです。
モデルは進化していきます。ビジネス上の問い、独自のデータ、そして信頼できる統制に対する要件は残り続けます。取引ライフサイクルの近代化を、孤立したAI機能の集まりではなく、ガバナンスの効いたデータと運用モデルのイニシアチブとして捉える企業こそが、意思決定のスピード、運用のレジリエンス、そして時間の経過とともに新しいユースケースをスケールさせる能力を向上させる上で、より有利な立場に立つことができます。
実用的なプレトレード、執行、ポストトレード、およびサーベイランスのユースケースや、ライフサイクル全体でガバナンスの効いたデータとAIイニシアチブの優先順位を決めるためのフレームワークについては、新しい電子書籍『資本市場における取引ライフサイクルの近代化』をダウンロードしてください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。