Trumid เปิดตัวระบบซื้อขายอัตโนมัติแบบ Self Trading เต็มรูปแบบสำหรับการปรับใช้เครดิตอัตโนมัติข้ามโปรโตคอลหลายรายการ

LucasBennett

บทนำ

Trumid เปิดตัว Trumid Full Self Trading (FST) ซึ่งเป็นความสามารถด้านการทำงานอัตโนมัติ ออกแบบมาเพื่อดำเนินการซื้อขายแบบเครดิตในหลายโปรโตคอลสภาพคล่องภายในเวิร์กโฟลว์เดียว การเปิดตัวเกิดขึ้นในช่วงที่การเทรดแบบอิเล็กทรอนิกส์คิดเป็นสัดส่วนมากกว่า 45% ของปริมาณการซื้อขายตราสารหนี้องค์กรเกรดลงทุนในสหรัฐ เพิ่มขึ้นจากน้อยกว่า 20% เมื่อทศวรรษก่อน ตามรายงานของ Coalition Greenwich ระบบนี้ตอบโจทย์ความต้องการของฝั่ง buy-side สำหรับเครื่องมืออัตโนมัติที่สามารถรับมือกับสภาพคล่องที่กระจัดกระจายข้ามระบบ RFQ, แพลตฟอร์มแบบ all-to-all และสายงานของดีลเลอร์พร้อมกัน ตามข้อมูลของ SIFMA ตลาดตราสารหนี้องค์กรของสหรัฐเพียงอย่างเดียวมีมูลค่าคงค้างมากกว่า 11 ล้านล้านดอลลาร์ และการนำการเทรดแบบอิเล็กทรอนิกส์ยังคงขยายตัวอย่างไม่สม่ำเสมอในผลิตภัณฑ์เครดิตเกรดลงทุน, เครดิตไฮยิลด์, ตราสารที่มีปัญหา (distressed) และตลาดเกิดใหม่

ความสามารถของผลิตภัณฑ์ FST

Trumid ระบุว่า FST ช่วยให้สามารถดำเนินการซื้อขายอัตโนมัติข้าม Trumid Swarms และโปรโตคอล RFQ ขณะเดียวกันยังทำงานภายในขีดจำกัดที่ผู้เทรกำหนด รวมถึงเกณฑ์ราคาและความชอบด้านการดำเนินการ มีกำหนดการบูรณาการกับ Trumid Attributed Trading ซึ่งรวมถึงสายงานดีลเลอร์ของบริษัทไว้ด้วย ในช่วงครึ่งหลังของปี 2026

ระบบนี้ช่วยให้ผู้เทรกำหนดการเลือกตราสารหนี้ ทิศทางการเทรด เกณฑ์ขนาด ขอบเขตเวลา ระดับลิมิต และรูปแบบการดำเนินการ ผู้เทอยังคงมีการกำกับดูแลแบบเรียลไทม์ และสามารถเข้าแทรกหรือปรับพารามิเตอร์การดำเนินการระหว่างการทำงานตามเวิร์กโฟลว์ได้

Jason Quinn ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์และหัวหน้าฝ่ายขายระดับโลกของ Trumid กล่าวว่า “Trumid FST คือเฟสถัดไปของระบบอัตโนมัติในตลาดเครดิต: แบบที่มีความยืดหยุ่น บูรณาการ และขับเคลื่อนด้วยเจตนา ไม่เหมือนระบบอัตโนมัติแบบตั้งกฎที่มักถูกจำกัดอยู่กับเวิร์กโฟลว์และโปรโตคอลเดียว FST แสดงถึงแนวทางใหม่ของการทำอัตโนมัติในเครดิต ถูกออกแบบมาเพื่อเฝ้าติดตาม ประเมิน และดำเนินการกลยุทธ์การเทรดภายในระบบนิเวศของ Trumid โดยอิงตามเกณฑ์ที่ผู้เทรกำหนด”

FST เฝ้าติดตามสภาพคล่องอย่างต่อเนื่อง และปรับพฤติกรรมการดำเนินการตลอดวงจรชีวิตของคำสั่ง โดยใช้ข้อมูลเชิงลึกราคาของตนเอง (proprietary pricing intelligence) โมเดลแมชชีนเลิร์นนิง และการวิเคราะห์เชิงการดำเนินการ

บริบทของการกระจายตัวของตลาด

การเทรดแบบรายได้คงที่ยังคงกระจัดกระจายสูง เนื่องจากจำนวนตราสารที่คงค้าง โปรไฟล์สภาพคล่องที่แตกต่างกัน ข้อจำกัดด้านคลังสินค้าของดีลเลอร์ และโมเดลการดำเนินการที่ไม่เหมือนกัน การนำการเทรดแบบอิเล็กทรอนิกส์ยังคงขยายตัวอย่างไม่สม่ำเสมอในผลิตภัณฑ์เครดิตเกรดลงทุน, เครดิตไฮยิลด์, ตราสารที่มีปัญหา และตลาดเกิดใหม่

การเจาะตลาดการเทรดแบบอิเล็กทรอนิกส์ในกลุ่มไฮยิลด์ยังคงเพิ่มขึ้นอย่างต่อเนื่อง เมื่อบริษัทยกระดับฝั่งดีกรีส์เชิงสถาบัน (institutional desks) ทำให้การดำเนินการส่วนใหญ่ของเวิร์กโฟลว์เป็นอัตโนมัติมากขึ้น แรงกดดันจากความกระจัดกระจายบังคับให้เดสก์เทรดเชิงสถาบันต้องทำให้การดำเนินการที่ต้อง “แตะน้อย” เป็นอัตโนมัติ ขณะเดียวกันยังคงให้คนมีสมาธิกับการตัดสินใจด้านความเสี่ยงและกลยุทธ์ที่มีมูลค่าสูง

Trumid วางตำแหน่ง FST เป็น “ตัวคูณกำลัง (force multiplier)” สำหรับเดสก์เทรด โดยทำให้งานการดำเนินการแบบแตะน้อยเป็นอัตโนมัติข้ามโปรโตคอล ขณะเดียวกันก็เปิดโอกาสให้ผู้เทรดโฟกัสไปที่กลยุทธ์พอร์ตโฟลิโอและการบริหารความเสี่ยง

ภูมิทัศน์การแข่งขัน

คู่แข่งและแพลตฟอร์มที่อยู่ใกล้เคียง รวมถึง MarketAxess, Tradeweb, Bloomberg และ ICE Bonds ยังคงลงทุนอย่างหนักในด้านระบบอัตโนมัติ, การดำเนินการที่ช่วยด้วย AI, สภาพแวดล้อมการเทรดแบบ all-to-all และเครื่องมือสำหรับเวิร์กโฟลว์แบบบูรณาการ

MarketAxess ยังคงขยายการนำ Open Trading มาใช้ เนื่องจากบริษัทเชิงสถาบันต้องการการเข้าถึงแหล่งสภาพคล่องที่ไม่ใช่ของดีลเลอร์อย่างกว้างขึ้น Tradeweb เพิ่มการลงทุนในโปรโตคอลการดำเนินการแบบอัตโนมัติในตลาดอัตราดอกเบี้ย เครดิต และ ETF

จุดสนใจด้านการแข่งขันเน้นการดำเนินการข้ามโปรโตคอล การค้นหาสภาพคล่อง ความฉลาดด้านการอัตโนมัติ การบูรณาการเวิร์กโฟลว์ การวิเคราะห์การดำเนินการ และการปรับราคาตามเวลาจริง

การบูรณาการ AI และ Machine Learning

Trumid ระบุว่า FST ใช้โมเดลการกำหนดราคาที่ขับเคลื่อนด้วย ML และการวิเคราะห์ เพื่อประเมินโอกาสในการเทรด และปรับพฤติกรรมการดำเนินการแบบไดนามิก การเปิดตัวครั้งนี้เกิดขึ้นหลังการเปิดตัว Smart Voice รุ่นก่อนหน้าของ Trumid ซึ่งเป็นความสามารถขับเคลื่อนด้วย AI ออกแบบมาเพื่อแปลงบทสนทนาแบบไม่เป็นโครงสร้างของผู้เทรดให้เป็นใบคำสั่งซื้อขาย (trade tickets) ที่กรอกข้อมูลไว้ล่วงหน้าอัตโนมัติ

งานวิจัยของ McKinsey ประเมินว่า การทำงานอัตโนมัติด้านปฏิบัติการที่ขับเคลื่อนด้วย AI อาจช่วยลดต้นทุนการดำเนินการและต้นทุนปฏิบัติการได้อย่างมีนัยสำคัญในตลาดทุน พร้อมทั้งปรับขนาดได้ดีขึ้นและเข้าถึงสภาพคล่องได้มากขึ้น ตามข้อมูลของ MarketsandMarkets ตลาดการเทรดเชิงอัลกอริทึมทั่วโลกอาจแซง 40 พันล้านดอลลาร์ก่อนสิ้นทศวรรษนี้ ขณะที่สถาบันต่างๆ เพิ่มการนำระบบอัตโนมัติไปใช้ในหลากหลายประเภทสินทรัพย์

ข้อมูลการใช้งานตั้งแต่ปลายปี 2025

Trumid เปิดเผยข้อมูลการใช้งานด้านปฏิบัติการที่เชื่อมโยงกับการใช้งาน FST ในช่วงเริ่มต้น ตั้งแต่ปลายปี 2025 มีลูกค้าหลายสิบรายนำ FST ไปผสานเข้ากับเวิร์กโฟลว์ประจำวัน ขนาดคำสั่งซื้อขายโดยเฉลี่ยเข้าใกล้ 5 ล้านดอลลาร์ คำสั่งซื้อขายรายรายการมีมูลค่ามากกว่า 50 ล้านดอลลาร์ เกือบหนึ่งในสามของคำสั่งซื้อขายถูกดำเนินการข้ามหลายโปรโตคอล

ประเด็นพิจารณาด้านปฏิบัติการของสถาบัน

เดสก์เชิงสถาบันยังคงให้ความสำคัญกับการปฏิบัติตามข้อกำหนดด้านการดำเนินการที่ดีที่สุด (best execution compliance), การกำกับดูแลโดยผู้เทรด, ความสามารถในการตรวจสอบย้อนหลัง (auditability), ความโปร่งใสด้านราคา, การควบคุมการดำเนินการ และธรรมาภิบาลด้านความเสี่ยง แพลตฟอร์มต่างๆ มักวางกรอบระบบการดำเนินการที่ขับเคลื่อนด้วย AI ให้เป็นโครงสร้างพื้นฐานสำหรับการเสริมศักยภาพผู้เทรด (trader augmentation) มากกว่าการทดแทนแบบทำงานอัตโนมัติทั้งหมด

สถิติสำคัญของตลาด

| ตัวชี้วัด | ตัวเลข | แหล่งที่มา | |--------|--------|--------| | สัดส่วนการเทรดตราสารหนี้เกรดลงทุนของสหรัฐแบบอิเล็กทรอนิกส์ | 45%+ | Coalition Greenwich | | ขนาดตลาดตราสารหนี้องค์กรของสหรัฐ | 11 ล้านล้านดอลลาร์+ | SIFMA | | ขนาดคำสั่งซื้อขายเฉลี่ยของ FST | ~$5M | Trumid | | คำสั่งซื้อขาย FST ที่เปิดเผยมากที่สุด | 50 ล้านดอลลาร์+ | Trumid | | คำสั่งซื้อขายที่ดำเนินการข้ามหลายโปรโตคอล | ~33% | Trumid | | ตลาดการเทรดเชิงอัลกอริทึมที่คาดการณ์ไว้ | 40 พันล้านดอลลาร์+ | MarketsandMarkets |

news.article.disclaimer
แสดงความคิดเห็น
0/400
ไม่มีความคิดเห็น