LSEGは、Post Trade Solutions部門のOpen Risk Analyticsを追加することで、Models-as-a-Serviceのマーケットプレイスを拡大し、銀行、ヘッジファンド、資産運用会社、トレジャリー部門に対し、LSEGのAnalytics API経由でアクセス可能なマルチアセットのリスク分析を提供している。このサービスでは、金利、FX、インフレ、コモディティ、株式にわたるポートフォリオ単位の計算を可能にし、Visual Studio Code、JupyterLab、Model Context Protocol、そしてMicrosoft Copilotとの連携など、AI対応環境にも対応する。
大手の金融機関はこれまで、プロプライエタリなインフラ、ベンダーのソフトウェア、そしてカスタムの分析環境を組み合わせて、自社内で管理されたリスクシステムを運用してきた。こうしたシステムは、運用コストが高くなりやすく、アセットクラスごとに分断されがちで、効率的に拡張することが難しいケースが多い。
LSEGの拡大は、この移行に対応するものであり、APIとクラウドネイティブなワークフロー経由でアクセスできる外部ホスト型のリスク分析サービスを提供する。ホスト環境により、企業は、社内で分析スタック全体を維持しなくても、Value at Risk、Potential Future Exposure、Credit Valuation Adjustment、ストレステスト、P&L Explain、感度分析、キャッシュフローのモデリングといった計算にアクセスできる。
LSEGのModelling Solutions責任者であるAysegul Erdemは、「今回の節目により、Post Trade SolutionsのRisk Analyticsを、より広い構想の一環としてLSEG MaaSに組み込み、スケールに応じたマルチアセット分析を提供していきます」と述べた。Erdemは、分析をAI駆動のワークフローに統合することで、企業が従来型のリスク業務を自動化しつつ、効率とポートフォリオ洞察の創出を改善できる可能性があると指摘した。
今回のロールアウトで戦略的に重要なのは、リスク分析をAI支援型のワークフローへ統合する点である。金融機関は、エクスポージャーを要約し、市場シナリオを解釈し、ワークフロー処理を自動化し、ポートフォリオ分析を動的に生成できるAIシステムを、ますます試すようになっている。
開発ツールやAI連携と互換性のあるAPIを通じてリスクモデルを公開することで、LSEGは、自社の分析インフラを、金融サービス全体で進行中のより広範なAI変革の中に位置づける。Microsoft Copilotへの言及やオープンなワークフロー標準への言及は、インフラ提供者が、孤立したプロプライエタリなインターフェースではなく、外部のAIシステムとの相互運用性を前提に製品を設計するようになってきていることを示している。
この転換が重要なのは、企業向けの金融ソフトウェアが、分析、AIツール、データ層、業務システムがAPIを通じて動的に相互作用する、コンポーザブルな環境へと進化しつつあるためだ。その結果、リスク分析は、リスク担当チームが定期的に作成する静的なレポートではなく、機械可読なサービスとして、より広い自動化環境に統合されるようになる。
リアルタイム、あるいはほぼリアルタイムでの分析にアクセスできることは、変動の大きい市場において、企業がカウンターパーティのエクスポージャー、証拠金（マージン）要件、流動性リスク、ポートフォリオの感応度をどのように監視するかに、実質的な影響を与えうる。
機関は、上場デリバティブ、OTC商品、FX、コモディティ、株式、そして固定利付（債券）商品にまたがるマルチアセット・ポートフォリオを運用する一方で、ストレステスト、担保（コラテラル）管理、エクスポージャー報告をめぐる、より厳格な規制上の期待にも同時に直面している。
Value at Riskは、通常の市場環境下でのポートフォリオの潜在的損失を見積もるために、機関が用いる主要なツールの一つであり続けている。ストレステストは極端なシナリオ下でのポートフォリオの耐性を評価し、Credit Valuation Adjustmentはデリバティブ取引に埋め込まれているカウンターパーティの信用エクスポージャーを測定する。P&L Explainの分析は、ポートフォリオの利益と損失を、基礎となるリスク要因や市場の動きへ分解するのに役立つ。
LSEGのPost Trade SolutionsディレクターであるStuart Smithは、「リスク分析は、企業がそれを業務として運用（operationalise）できる場合にのみ価値を生みます」とコメントした。Smithは、ホスト型での提供、厳選された市場データ、そして透明性のあるモデルにより、企業がポートフォリオ単位の計算とエクスポージャー分析を、規模に応じて実行できるようになると強調した。
多くの企業は大量のリスクデータを持っているが、それでも、分析をリアルタイムの業務上の意思決定へ効率的に統合することに苦戦しており、これは機関投資家向け金融におけるより大きな課題を反映している。
今回のロールアウトは、LSEGのより広範なポスト・トレードのインフラ戦略を強化する。同社によれば、このサービスは、担保管理、マージン処理、カウンターパーティリスク、OTCデリバティブの業務に紐づくワークフローを通じて、3,000社以上の企業を支援する。
ポスト・トレードのインフラは、金融危機以降、デリバティブ規制、中央清算の義務、そして担保要件が世界的に拡大したことで、戦略的重要性が高まった。現在、機関は、取引の照合（トレード・リコンシリエーション）、マージンの最適化、決済ワークフロー、そして規制報告に関して、大きな業務負担を負っている。
LSEGのようなインフラ提供者は、そうした業務プロセスを大規模な金融エコシステム全体で標準化できる中核的なプラットフォームとしての地位を、ますます強めている。リスク分析をスケール可能な形で追加することで、リスク管理と担保ワークフローが、機関投資家向けデリバティブ・インフラの中でますます一緒に稼働するようになっているため、その位置づけはさらに強固になる。
この動きは、取引所、清算事業者、市場データ企業、そして分析プロバイダーが、業務レイヤーを統合したエンタープライズ・エコシステムへ統合していくという、金融市場インフラ全体のより大きな統合の流れを反映している。LSEGの、市場データ、分析API、ポスト・トレード・インフラ、そしてAI対応のワークフローの組み合わせは、金融インフラ提供者が、単独のプロダクトというよりもエコシステムの奥行きで競争するようになっていることを示している。
LSEGの拡大サービスは、具体的にどのようなリスク分析を提供しますか？ LSEGのModels-as-a-Serviceの提供には、Value at Risk、Potential Future Exposure、Credit Valuation Adjustment、ストレステスト、P&L Explain、感度分析、そしてキャッシュフローのモデリングが含まれる。これらの計算は、金利、FX、インフレ、コモディティ、株式にまたがるマルチアセット・ポートフォリオを対象にしている。
このサービスは、どの開発環境に対応していますか？ ホスト型のモデルはVisual Studio CodeとJupyterLabを通じて動作し、さらにModel Context ProtocolやMicrosoft Copilotを含むツールとの連携によって、AI対応のワークフローもサポートする。
LSEGのポスト・トレード・インフラを利用している金融機関は現在どれくらいありますか？ LSEGによれば、このサービスは、担保管理、マージン処理、カウンターパーティリスク、そしてOTCデリバティブ業務に紐づくワークフローを通じて3,000社以上の企業を支援している。
なぜ、リアルタイムの分析アクセス性がリスク管理で重要なのですか？ リアルタイム、あるいはほぼリアルタイムでの分析にアクセスできることは、変動の大きい市場において、企業がカウンターパーティのエクスポージャー、マージン要件、流動性リスク、そしてポートフォリオの感応度を監視する方法に、実質的な影響を与えうる。その結果、より迅速な業務上の意思決定が可能になる。
