JP2005515522A - データウェアハウスのデータの保全性を検証し、ウェハハウジングされたデータを複数の事前定義の分析モデルに適用する方法およびシステム。 - Google Patents

Abstract

データウェアハウス内のデータの保全性を検証し、ウェアハウジングされたデータを複数の事前定義の分析モデルに適用する方法およびシステムによって、受け取られたデータの精度を検証するデータ保全性システムと、データおよび一連のモデルをデータに適用する分析システムとが使用される。データ保全性システムは、一連の診断レポートを作るように構成され、これらのレポートによって、異常値データまたはデータエラーを示すことができる他のデータ値が識別される。診断レポートに、サマリ値の基礎になるデータを提供するサブレポートへのリンクと、レポートを離れずに、エラーのあるデータを直接に訂正できるようにするデータエディタへのリンクを含めることができる。分析システムでは、そのデータを使用して、要因のライブラリの値を判定する。これらの要因に基づくモデルが、データに適用される。

Description

本発明は、データウェアハウスのデータの保全性を検証し、複数の事前定義のデータ分析モデルにウェアハウジングされたデータを適用するシステムおよび方法に関する。

データが複数のソースから収集され、データウェアハウスに保管され、１つまたは複数のモデルに適用されて、データに関するプロパティまたはデータのさまざまなグループ化が導出され、将来の挙動に関する予測が行われるか、他の目的のための、多数の環境がある。多くの情況で、非常に大量のデータが、サードパーティによって収集され、データウェアハウスでの使用のために提供される。モデル化されたデータが正しいことを保証するために、受け取られたデータが正確であることを検証することが重要である。通常のデータ保全性検査中に、疑問のあるデータポイント（ｄａｔａ ｐｏｉｎｔｓ）が識別される。フラグを立てられたデータの精度が、手動で検査され、必要な場合にはデータベース内容が更新される。データ分析は、しばしば、毎日など、周期的に必要であり、したがって、時間とリソースの両方に関して、データ保全性プロセスが効率的であることが必要不可欠なものになる可能性がある。

さまざまな属性の値を生成するために、基礎になるデータの同一の組に適用される複数の異なるモデルがあることもめずらしくない。多くの情況で、属性自体は、１つまたは複数の共通の要因に依存し、そのような関連するモデルで使用される要因値の一貫性を保証する必要がある。ベンチマークに対してモデル自体の保全性を検証できることも有用である。

大量のデータが収集され、モデルを使用して分析される環境の１つのタイプが、財務分析システムである。データが供給される金融商品のグループは、さまざまなポートフォリオによって定義され、システムは、これらのポートフォリオの挙動を分析し、パフォーマンスを予測するのに使用される。そのようなシステムでは、ポートフォリオマネージャによって、目標レベルと、収益およびリスクの分配に達する労力において、ポートフォリオが構成され、修正される。リスクおよび収益の値は、さまざまなポートフォリオの証券に関連する現在の情報およびヒストリカル情報に金融モデルを適用することによって判定される。諒解されるとおり、ポーオトフォリオ構成の精度は、ソースデータの精度に大いに依存する。

ポートフォリオの構成および管理のプロセスは、２つの主要な態様すなわち、資産配分および資産選択を有する。資産配分では、ポートフォリオマネージャによって、ポートフォリオの定められた目標を満たすための、通貨、固定収入、エクイティエクスポージャ（ｅｑｕｉｔｙ ｅｘｐｏｓｕｒｅ）の適当な混合が判定される。資産選択には、ポートフォリオのエクイティクラス（ｅｑｕｉｔｙ ｃｌａｓｓ）内の適当な株式の選択が含まれる。ポートフォリオ構成の単純な例では、米国エクイティマネージャが、資産配分判断を行い、現金と米国エクイティの間で選択することができる。資産選択判断には、使用可能な株式の「ユニバース（ｕｎｉｖｅｒｓｅ）」から株式を選択することが含まれる。株式のユニバースは、通常は、Ｓｔａｎｄａｒｄ ＆ Ｐｏｏｒｓ ５００など、ポートフォリオがそれに対して管理され、それと比較されるベンチマークの関数である。

ポートフォリオを成功裡に構成し、管理するために、複数の要因に対処しなければならない。投資家にとって、ポートフォリオ構成プロセスは、明瞭に定義され、透明でなければならない。生成されるポートフォリオは、投資管理哲学との一貫性を有する認識可能なフットプリントまたはシグネチャも有しなければならない。また、ポートフォリオ構成プロセスは、投資マネージャが自動化から利益を得ることができ、経営陣が、予期されない出来高に関連するビジネスリスクを軽減できる範囲まで複製可能でなければならない。

これらの目標を達成するために、最新の正確な財務情報ならびにその情報を操作する適当なアプリケーションを有するポートフォリオマネージャを提供する適当なポートフォリオ構成インフラストラクチャが必要である。普通のポートフォリオ管理システムは、さまざまなプリファレンスおよび要件を有する投資専門家の広い横断面を満足するために作られる。しかし、結果のシステムは、しばしば、特定のクライアントの必要に合わせてカスタマイズされる能力において、極度に制限されている。

普通のシステムは、多数のポートフォリオおよび関連する情報を一貫製造ベースで処理するのによく適してもいない。ポートフォリオを管理するために、さまざまなリスク要因およびパフォーマンス要因を導出するために財務情報を分析することが通例である。これらの要因は、適当な数学モデルを介してポートフォリオに適用される。投資マネージャは、しばしば、彼らの投資プロセスを模倣するようにカスタマイズされたモデルを必要とする。しかし、普通のポートフォリオ管理システムは、すべての投資プロセスが同一であることが前提である。したがって、複数の異なる投資戦略またはプロセスに基づいてポートフォリオを処理する能力は、制限されている。投資マネージャは、カスタマイズされたモデルを実行するために、複数の別々のアプリケーションを使用しなければならない。

より一般的には、普通のシステムは、最初のシステム設計の一部でない形で収集される情報を使用するのに十分適してはいない。したがって、たとえば、複数のシステムが、カスタマイズされたモデルをサポートするために使用される時に、技術サポート担当者は、これらのシステムの間でのデータの転送と、データ保全性およびタイムリーさの保証という問題に対処しなければならない。収集された情報を使用できる簡単さの欠如によって、データ分析の新しいモデルおよび方法のリサーチおよびテストも困難になる。というのは、製品モデルと同一のデータセットに対してタイムリーな形で開発中のモデルを走行させることが可能でない可能性があるからである。アプリケーションソースコードを変更する必要なしに、新たに開発されたモデルを追加することによるなど、特定のユーザの必要を満たすためにアプリケーションをカスタマイズすることも、困難である。

普通のシステムに存在するもう１つの短所は、判定されるリスク属性およびパフォーマンス属性が、別々のプロセスを使用して測定され、それぞれがそれ自体の基礎になるデータセットに作用することである。たとえば、財務サービスプロバイダが、ＢＡＲＲＡ社のシステムを使用してリスクを監視し、Ｗｉｌｓｈｉｒｅ Ａｓｓｏｃｉａｔｅｓ社のシステムを使用してポートフォリオマネージャおよびクライアントにパフォーマンス属性分析を提供する場合がある。別々のシステムが使用されるので、リスクおよびパフォーマンスの監視に使用されるモデルの基礎になる要因が、ソースデータ、導出の形、および最終的な値に関して、異なる可能性がある。その結果、リスク分析とパフォーマンス属性の間に矛盾が生じる可能性がある。

これらおよび他の欠陥は、供給された大量のデータに、包括的なデータベースおよび分析環境を提供する本発明によって処理される。前記データは効率的に検証されて、保全性およびさまざまなグループのデータに関するインタレスト（ｉｎｔｅｒｅｓｔ）の属性を導出するために、１つまたは複数のモデルに適用された前記データを保証することができる。

本発明の特定の実施形態は、ポートフォリオ分析および構成環境（以下、「ＰＡＣＥ」という。）であり、それはアクティブで定量的なポートフォリオ管理およびリスク管理をサポートする。しかし、本発明のさまざまな態様を、他の目的でデータを収集し、分析する環境でも使用することができる。

ＰＡＣＥの通常の実施形態は、３つの主要なコンポーネントすなわち、（ａ）データウェアハウスに検証された財務情報を移植するデータ保全性システム、（ｂ）さまざまなリスク要因、収益要因、およびエクスポージャ要因を導出するために財務情報を処理し、ウェアハウス内のデータに一連の金融モデルを適用する分析（ａｎａｌｙｔｉｃｓ）システム、（ｃ）ポートフォリオマネージャによる使用のためにリスクおよび収益属性レポートを作る報告システムからなる。好ましい実施形態では、３つのコンポーネントが、統合されたシステムの一部として操作される。しかし、コンポーネントを、個別に操作することができ、たとえば、レガシーシステムでの別個の機能性を置換するのに使用することができる。

動作時に、ＰＡＣＥは、１つまたは複数の市場データソースによって供給される、価格設定および会社行為データなどの財務データを受け取り、このデータをデータウェアハウスに保管する。ウェアハウジングされたデータは、適宜、またはシステム設計者およびオペレータによる望みに応じて、イントラネット、インターネット、またはソフトウェアベースのインターフェースを介してアクセスすることができる。したがって、このシステムは、分散された形で実施することができ、あるいは、一部またはすべてのコンポーネントを集中化することができる。生の財務データを、報告システムなどの他のシステムコンポーネントによる使用のために承認する前に、データが、データ保全性システムによって処理されることが好ましい。この処理中に、一連の診断レポートが生成され、これによって、潜在的に誤ったデータポイントが強調され、オペレータが、必要に応じて訂正を行えるようになる。

ボラティリティ評価などのサマリ診断レポートが、提供され、これには、サマリ値の生成に使用されたデータを示す、基礎になる詳細なレポートへのリンクを含めることができる。疑いのあるデータ値が存在する時に、ユーザは、その値に関連するリンクを選択し、「ドリルダウン」して、エラーのソースを判定することができる。本発明の１態様によれば、診断レポートのデータポイントに、データウェアハウスに接続されたデータエディタへのリンクが含まれる。そのようなデータ編集リンクが選択される時に、データウェアハウスへのインターフェースが提示され、そのインターフェースから、ユーザが、訂正された値を入力でき、その値が、データウェアハウスの値の更新に使用される。診断レポートを介して基礎になるデータへの直接アクセスを提供することによって、データウェアハウスのデータを、訂正が必要であると判定される時に、簡単にかつ即座に変更することができる。

検証されなければならない普通でないアクティビティを検出するために個々の証券の価格設定データを分析するほかに、本発明のもう１つの態様によれば、データ保全性システムは、分析コンポーネントによって生成される評価額などの検証されたデータを使用して生成される１つまたは複数のポートフォリオの評価額を、異なる機構および／またはデータによって生成される類似するポートフォリオ評価額と比較し、普通でなく大きい差を強調することによって、間接的に市場情報を検証する。比較ポートフォリオ評価額が、独立のソースによって提供されることが好ましい。たとえば、推定されるポートフォリオ収益を、外部ソースによって発行される公式の収益と比較することができる。このデータフィードバックパスを使用することによって、データおよびモデリングプロセスでのシステムのエラーを、検出でき、データ保全性およびポートフォリオ分析プロセスの総合的な動作を、検証することができる。

ＰＡＣＥの分析システムは、ウェアハウジングされたデータを分析して、エクスポージャ、リスク、および収益に関するものなどのさまざまな要因の値を判定する。これらの要因値は、要因値データベースに保管される。要因の組（要因ライブラリと考えることができる）の特定の要因が、選択され、リスク測定モデルおよび収益測定モデルで使用され、これらのモデルのそれぞれが、異なる投資方法論を反映することができる。したがって、要因ライブラリによって、さまざまなモデルをそこから作ることができるツールボックスが提供される。特殊化された要因または新しい要因を開発する機構も、提供することができ、そのような新しい要因が追加されたならば、それを、他のモデルでの使用にも使用可能にすることができる。

分析コンポーネントは、ポートフォリオ定義にアクセスでき、ポートフォリオは、特定のモデルに関連する。分析システムは、ポートフォリオにモデルを適用する時に、関連するモデルのすべてによって使用される要因を評価し、これらの要因値を使用する。リスクのモデルおよびパフォーマンスのモデルの両方が、同一の要因ライブラリに基づくことが好ましい。この方法では、同一の要因に依存するモデルが、同一の要因値を使用して評価されることが保証される。普通の方法では、異なる要因評価方法およびソースデータを使用する可能性がある別々のプラットフォームを使用してリスク値およびパフォーマンス値が評価されるので、この要因値同値は、必ずしも存在しない。同一の要因モデルからすべてのモデルを作ることによって、このエラーのソースが除去される。

ポートフォリオ−モデル関連付けが、ポートフォリオに基づいて指定されて、最大の柔軟性がもたらされることが好ましい。代替案では、ポートフォリオを、投資戦略によるなど、異なる組にグループ化することができ、モデル関連付けを、組ごとの基礎で定義することができる。たとえば、小型（ｓｍａｌｌ−ｃａｐ）ポートフォリオについて良好に動作するリスクモデルが、大型（ｌａｒｇｅ−ｃａｐ）ポートフォリオについては良好に動作しない場合がある。同様に、産業分類のある組が、あるポートフォリオマネージャよりも別のポートフォリオマネージャに有用であり、関連する場合がある。有利なことに、この構成によって、異なるリスクモデルを異なるタイプのアカウントおよび戦略に適用できるようになり、アカウント固有のリスクモデルを作成し、システムで使用することができる。

好ましい実施形態では、ウェアハウスからの、要因ライブラリ、計算された要因値、現在のデータ、およびヒストリカルデータを、ＭＡＴＬＡＢ（登録商標）環境などのリサーチおよび／または開発プラットフォームでの使用のために使用可能にすることもできる。実際の要因値、財務データ、およびポートフォリオ定義への直接アクセスによって、新しいモデルを簡単に開発し、テストし、以前のモデルと比較することができる。さらに、要因ライブラリの要因から構成される新たに開発されるモデルを、メイン分析システムに簡単にインポートすることができる。

分析システムによって生成されるデータは、保管され、報告システムによる使用のために使用可能にされる。このシステムでは、さまざまなモデルをポートフォリオに適用することによって作られるデータを使用して、たとえば毎日の、製品レポートを生成し、これによって、多数の別々に管理されるポートフォリオおよびミューチュアルファンドのリスクおよび収益のソースを識別する。レポートは、インターネットウェブページを介して入手可能にされることが好ましい。ポートフォリオごとの基礎でレポートを提供するほかに、概要レポートを生成することができ、これには、複数の別々のポートフォリオのデータサマリが含まれ、したがって、ポートフォリオの組のパフォーマンスの監督および比較の能力が単純化される。

報告システムのほかに、一連のツールおよびユーティリティを提供することもでき、財務データ、要因値、およびモデルアプリケーションの結果を含むさまざまなデータベースへのアクセスを、このツールおよびユーティリティに与えることができる。ツールセットによって、ユーザが、カスタマイズされた形で所与のポートフォリオのリスクのソースおよび収益のソースを定量化できる、レポートと別の機構が提供される。これらのツールには、たとえば、インターネットまたはイントラネットのウェブページからアクセスすることができ、これらのツールによって、ポートフォリオのリスクおよび収益のソースを測定し、監視し、調査する柔軟な機構がもたらされる。対話型およびオンデマンドの基礎での使用のために、広範囲のツールを実施し、提供することができる。

本明細書では、本発明を、財務データおよびポートフォリオ分析システムに関して説明する。しかし、本発明は、他のデータウェアハウジングおよび分析システムでの使用にも適し、好ましい実施形態の環境だけでの使用に制限されると考えてはならない。

図１および２を参照すると、ＰＡＣＥシステムの好ましい実施形態のシステムレベルの図が示されている。この実施形態では、ＰＡＣＥが、データ保全性システム１２、分析システム１４、および報告システム１６からなる。報告システム１６とは別の分析ツール１７の組を設けることができ、あるいは、これらのツールを、報告のコンポーネントとみなすことができる。さまざまなシステムのそれぞれが、１つまたは複数のデータベースに保管されたデータにアクセスし、本明細書では、これらのデータベースを一緒にして、データウェアハウス１８と称する。

データウェアハウス１８には、１つまたは複数の独立のデータベースシステムを含めることができ、データウェアハウス１８は、市場データ、モデル定義、判定されたリスク要因値および他の要因値、およびヒストリカルデータを保管するのに使用することができる。さらに、所与のポートフォリオおよび他のデータのさまざまなアカウントポジションを指定するデータを、データウェアハウス１８に保管することができ、あるいは、別のシステムに保管される場合に、その全体または一部を、アクセスを簡単にするためにミラーリングすることができる。本明細書の議論では、さまざまなタイプのデータを、データウェアハウス１８内の別々のデータベースに保管されるものとみなすことができる。しかし、適当なデータを保管でき、検索できる限り、データベースの間の分割を、厳密でないものとすることができ、データベース実施形態の特定の形は、本発明に必要不可欠なものではない。好ましい実施形態では、データウェアハウス１８が、図２に示されたさまざまなデータベースに分割される。Ｆｒａｍｅデータベースが、ヒストリカルデータの保管に使用され、Ｓｙｂａｓｅ（登録商標）データベースが、現在のデータを保管するのに使用され、これには、モデルおよび市場データ、分析システム１４からの出力、ポートフォリオポジション、およびポートフォリオ収益が含まれる。

市場データおよび生情報の他のソースは、データソース２０から受け取られ、市場データデータベース２２に保管される。Ｂｌｏｏｍｂｅｒｇ、Ｅｘｔｅｌ、およびＭｕｌｌｅｒなど、さまざまなデータソースを使用することができる。

データ保全性システム１２は、データが他のシステム要素によって使用される前に、その正確さを保証するように処理する。さまざまなデータ検査を実施することができる。しかし、一般に、証券価格情報は、受け取られたデータに誤りがあることを示す可能性がある異常値または他の普通でない値を検出するために、ヒストリカルデータと比較される。普通でない値を強調する診断レポート１３が、生成される。下でさらに完全に述べるように、レポート１３に、データウェアハウスに接続されたデータ入力モジュールへのリンクが含まれることが好ましく、不正なデータポイントが識別された時に、ユーザが、不正なデータポイントを選択し、データ編集リンクを起動することによって、診断レポートを介して直接に、基礎になるデータを訂正することができる。追加のリンクを設けて、オペレータが、サマリデータの基礎になる詳細なレポート、会社行為に関するローカルおよびリモートの情報、および他のデータに簡単にアクセスできるようにして、異常値データ（ｏｕｔｌｉｅｒ ｄａａ）が正確であるかどうかの判定を助けることができる。

データ保全性の追加の検証が、システム１０の外部のソース２６によって供給される「公式の」ポートフォリオ評価額および収益データ２４を、データウェアハウス１８からのデータを使用して分析システム１４によって生成されるアカウント評価額推定値と比較することによって提供される。収益モデル検証モジュール３２を設けて、この機能を実行することができる。モデル検証モジュール３２は、分析システム１４に密に束縛されるので、分析システム１４の一部（図２に示されたものなど）、データ保全性システム１２の一部、または独立の要素とみなすことができる。

データ保全性システム１２と分析システム１４の間のデータ保全性フィードバックパスによって、分析システム１４によって使用されるモデルおよびモデル要因の検証がもたらされる。このフィードバックパスは、そうでなければ特定の異常値データを作らない可能性があるシステムエラーの検出にも役立つ。具体的に言うと、実質的な矛盾によって、受け取られた市場データの問題、ポートフォリオ定義またはパフォーマンスモデルのエラー、あるいは「公式の」評価額のエラーが示される可能性がある。これらの矛盾は、フラグを立てられるか他の形で識別され、その結果、必要な場合にフォローアップアクションが行われるようになることが好ましい。有利なことに、このシステムでは、Ｓｔａｎｄａｒｄ ＆ Ｐｏｏｒｓによって提供されるものなどの標準ベンチマークとの比較だけに保全性検査を制限するのではなく、データ保全性プロセスで実際のクライアントポートフォリオの評価額が使用されるので、標準インデックスの一部ではないが、クライアントポートフォリオに存在するので重要である証券に関連するデータが正確であることのさらなる保証が与えられる。

分析システム１４は、現在およびヒストリカルの財務データを処理して分析するモジュールを含んで、適切な要因を生成しており、また、これらの要因を金融モデルに適用して、インタレストのポートフォリオに対するリスク、収益、または他の値を計算する。特定の実施形態で、分析システム１４に、要因判定モジュール２８が含まれ、この要因判定モジュール２８によって、市場データ２２が処理されて、後続の処理に必要な、さまざまなエクスポージャおよび他の市場によって誘導される要因の値が、判定されるか推定される。使用可能である特定の要因は、要因ライブラリ２９で指定され、計算された値を、要因データベース３４に保管することができる（要因ライブラリ２９は、本明細書では統一された実体として説明するが、要因定義を、分析システムのさまざまなソフトウェアモジュールまたはルーチンに分散できることに留意されたい）。

さまざまな属性を評価する１つまたは複数のモデル３５が、モデルデータベース３５に保管される。モデルは、所与のポートフォリオのリスク、収益、または他の値のどれに適応されるかにかかわらず、要因ライブラリ２９の１つまたは複数の要因に依存するように構成される。

クライアントポートフォリオまたは他のインタレストポートフォリオ３７の仕様は、ポートフォリオポジションデータベース３８に保管される。分析されるポートフォリオ９０のそれぞれが、モデルデータベース３６の１つまたは複数のモデル３６に関連する。当業者によって認識されるとおり、ポートフォリオの基礎になる投資戦略は、行うべき分析のタイプと、適用されるモデルのタイプに影響する。有利なことに、この特徴を用いると、許可されたユーザが、最も適当なモデルを各ポートフォリオに関連付けられるようになる。

毎日または指定された他の形で、分析システム１２のリスクおよび収益モジュール３０によって、市場データ２２、判定された要因３４、特定のポートフォリオに関連する（たとえばアカウントポジションデータベース３８で指定される）モデル３６が、ポートフォリオに適用されて、リスク、収益、および他のモデル化されるデータが生成される。生成されたデータが、適当なポートフォリオリスク／収益データベース４０に保管される。

報告システム１６では、分析システム１４によって生成されるモデル化されるポートフォリオ属性データを含む、データウェアハウス１８からのデータを使用して、さまざまなポートフォリオの一連のレポートを生成する。これらのレポートは、インターネットなどのネットワークを介するウェブリンクを介してユーザに使用可能にすることができる。分析ツール１７も、報告システム１６の一部としてまたはこれに追加して提供することができる。これらのツールが、ネットワークを介してクライアントによってアクセスでき、対話型でオンデマンドのベースで、ポートフォリオのリスクおよび収益のソースの測定、監視、および調査の柔軟な機構を提供することが好ましい。ツールの好ましい組には、ポートフォリオマネージャがさまざまなポートフォリオから除外することを望む可能性があるフォームを識別するのに使用することができるデータを提供するために会社の財務体質を監視するのに使用することができる、リスク分解、収益帰属、分散分析、エクスポージャ帰属、ヒストリカルシミュレーション、株式および産業集中ロケータ、および会社監視ツールが含まれる。

最後に、データベースインターフェースモジュール４２を設けて、データを、データウェアハウスからＭＡＴＬＡＢ（登録商標）環境などのテスティング環境４４にエクスポートできるようにすることができる。エクスポートされたデータは、システム１０内に存在する制約の外部での分析およびモデル開発を容易にする形でフォーマットされる。リサーチ環境によって、システム１０の残りによって使用される検証されたデータが直接にアクセスされるので、テスティング環境で実行される分析を、事前に存在するモデルからの出力と比較することができる。さらに、直接アクセスによって、新しいモデルを要因ライブラリ２９に基づいて開発できるようになり、モデルの開発およびテストと、その後のシステム１０へのモデルのインポートが非常に単純になる。

クォリティポートフォリオ管理および分析システムを提供する主要な要素は、データ保全性である。図３を参照すると、データ保全性システム１２の好ましい実施形態の主要な要素の高水準の図が示されている。全体的なシステム１０の外部のデータソースへのリンクは、図をわかりやすくするために省略した。さまざまな機能要素の特定の編成を、図３に示す。特定の実施形態および変形例ですべての要素を備える必要がないことは、本発明の全般的な性質から逸脱せずに実施化されることができる。

診断モデル５２は、潜在的なデータ問題を強調する診断データレポート５４および５６を生成するように構成される。内部イントラネットまたはセキュアインターネット接続などの通信ネットワークを使用して、さまざまな位置の、データ保全性を保証する責任を負うユーザへのデータ保全性レポートの配布を容易にすることができる。レポートは、ＨＴＭＬフォーマットであることが好ましく、少なくともサマリレポート５４に、ユーザがレポートを「ドリルダウンし」、サマリの生成に使用されたソースデータを見られるようにする、より詳細なレポート５６へのリンクが含まれる。データウェアハウス内のデータポイントにマッピングされるデータは、データウェアハウス１８に接続されたデータエディタ５８へのデータ編集リンクを有することができる。そのようなデータ編集リンクを診断レポートから選択するユーザには、基礎になるデータを直接に変更できるデータ編集画面が提示される。

オペレータが、診断レポートから直接に誤りのあるデータを訂正できるようにすることによって、そのようなデータの訂正を、すばやく簡単に行うことができる。データエラーを識別するのを助けるために、レポートに、内部および外部のデータソースへのリンクも含めて、ユーザが、所与のデータポイントの精度の判定に関連する可能性がある、さまざまな会社に関する情報および他の財務データにアクセスできるようにすることができる。特定の構成で、データリサーチモジュール６０が、設けられ、そのような情報へのアクセスのゲートウェイとし働く。適当なイントラネットおよびインターネット接続６２を介するデータソースへの他のデータリンクを設けることができる。

たとえば、特定の実施形態で、診断システム１２によって、毎日、欠けているデータおよび不正確なデータをトラップする異常値レポート、会社行為レポート、およびポートフォリオに対して推定された収益（たとえば、分析システム１４によって生成される）を公式の報告された数と比較する「Ｗ ｐｒｉｍｅ Ｒ」レポートを生成することができる。これらのレポートは、データネットワークを介して配布され、さまざまなオフィスのユーザによって監視することができる。不正なデータポイントが識別される時に、ユーザは、そのデータポイントの下にあるデータ編集リンクを選択することによってデータエディタ５８にアクセスし、データ入力フォームに直接に変更を入力する。訂正されたデータが使用されて、データウェアハウス１８のデータポイントの値が更新される。データベースを更新するほかに、データ訂正に関する通知を、望みに応じてシステムのさまざまなユーザに自動的に配布することができる。適当なセキュリティ制御を実施して、さまざまなユーザが訂正できるデータのタイプを制限することができ、必要な場合に訂正を簡単に元に戻せるようにする機構を設けることができる。これらの特徴を実施するツールおよび方法は、当業者に既知である。

生データを検査するレポートを生成するほかに、会社行為処理モジュール６４を設けて、後続処理に影響する可能性がある会社行為に関連するデータを処理し、それ相応に内部証券テーブルを更新することが好ましい。この文脈で使用される会社行為は、会社の状況またはエクイティの配布ポリシでの変化を指す。例には、ＣＵＳＩＰ識別子またはＳＥＤＯＬ識別子の変更、買収または合併、株式分割、および現金配当が含まれる。分割、名称変更、配当などの会社行為は、株価および他の財務データをシステム１０によってどのように処理しなければならないかに影響する可能性がある。

会社行為処理モジュール６４は、ＭｕｌｌｅｒおよびＢｌｏｏｍｂｅｒｇなどの１つまたは複数の会社情報ベンダから入力されたデータを受け取る。データは、会社モジュール６４に直接に供給するか、データウェアハウス１８またはモジュール６４からアクセス可能な別のストレージファシリティに適宜保管することができる。データファイルを処理して、さまざまな会社行為に関する情報を抽出し、この情報を使用して、さまざまな証券に関する情報に関連し、ポートフォリオを評価する時に使用されるデータを含む適当な参照テーブルを更新する。

会社行為データは、一般に、明確に定義され、事前定義のフォーマットで供給される。自動化システムを設けて、会社入力データを処理して、これらの会社行為を抽出し、適当な内部データを更新することが好ましい。特定の実施形態で、下記のタイプの会社行為が自動的に処理される：ＩＰＯ、ティッカーの変化、名称変更、ＣＵＳＩＰ変更、エクスチェンジリスティング（ｅｘｃｈａｎｇｅ ｌｉｓｔｉｎｇ）の変化、株式分割、現金／株式配当。名称、ティッカーシンボル、またはＣＵＳＩＰ番号の変更は、適当な証券テーブルのデータエントリを更新して、証券への古い参照および新しい参照を適当に処理できるようにすることによって処理される。株式分割データは、複数の株式発行高の変化が正しいかどうか、データプロバイダによって供給される分割日付が正しいかどうかを判定し、一般に、株式分割が正しく表現されていることを保証するのに使用される。当業者に既知のさまざまな技法を使用して、ヒストリカルデータを正しく処理するために、株式分割を表すことができる。同様に、現金配当および株式配当は、証券の総収益に影響し、その計算に組み込まれる。これらのアクションが抽出される形は、データが入力データストリームでどのようにコーディングされているかに依存する。このデータを抽出し、依存する内部参照データを自動的に更新するさまざまな技法が、当業者に既知である。好ましい実施形態では、データ処理ルーチンが、ｐｅｒｌ言語を使用して実施され、内部テーブルの更新のほかに、処理されたデータが、望みに応じてオペレータが見ることのできる１つまたは複数のテキストファイルに保管される。他の技法も可能である。

上場廃止、スピンオフ、合併、および買収などの会社行為は、手動で処理されることが好ましい。そのようなイベントの発生時に、イベントの精度を、リサーチチームによって、データリサーチモジュール６０または他の手段を介してアクセスされる内部データおよび外部データソースを使用して検証することができる。同様に、証券が認識されない時など、自動的には処理できない会社行為を、手動で再検討することができる。証券のＣＵＳＩＰ識別子が、ＢｌｏｏｍｂｅｒｇまたはＹＡＨＯＯ Ｆｉｎａｎｃｅなどのオンラインデータプロバイダへのアクセスに使用されて、所与の証券に関する、買収活動、名称変更、合併、および買収などを説明できる最新のニュースリリースおよび会社行為サマリを得ることが好ましい。この情報を、オペレータが使用して、システムに供給されるデータが正確であるかどうかを判定することができる。

一部のアクションを、アドホックな基礎で処理することができる。たとえば、毎月、新しい証券に関する追加の参照データを、たとえばＣＲＳＰおよびＢａｒｒａから受け取ることができる。このデータが受け取られる時に、ベンダの参照データを、データウェアハウス１８に追加することができる。ベンダデータセットに含まれるが、システムではまだ定義されていない証券を選択し、選択された証券が、新規発行、または証券のＣＵＳＩＰの変化の結果のどちらであるかに関する判定を行うことができる。これは、証券の別の識別子（ＣＲＳＰではｐｅｒｍｎｏｓ、Ｂａｒｒａではｂａｒｒａｉｄｓ）を相互参照することによって行うことができる。新規発行とＣＵＳＩＰ変化の両方を含むデータファイルを準備することができ、このデータが、システムにインポートされる。

診断モジュール５２に戻って、好ましい実施形態では、モジュール５２が、メインモジュール５０によってサポートされるウェブブラウザインターフェース（図示せず）を介してアクセス可能であり、このウェブブラウザインターフェースは、複数の事前定義データ診断レポートの１つを、指定された市場のデータに対する実行のために選択できるウェブページフォームへのユーザアクセスを提供する。サンプルのフォームを図４に示す（診断モジュール５２への直接アクセスも提供することができる）。

図４からわかるように、アクセスでき、着信データのエラーを表すことができる普通でないデータ傾向を検出するのに有用なインジケータを提供することができる、複数の異なるタイプのレポート５４がある。ユーザが、レポートに関して処理されるデータの日付を指定できることが好ましい。レポートが、前に生成されたものである場合には、そのレポートが供給される。ユーザが、まだ実行されたことがないレポートを選択する場合に、レポート生成プロセスを実行し、新しいレポートを、ユーザに供給し、他者による後続アクセスのために保管することができる。

特に価値がある診断レポートの１つが、たとえば分析システム１４によって生成される、推定されたポートフォリオ収益を、システム１０の外部のソースによって供給される「実際の」収益と比較するレポートである。ポートフォリオ収益は、ポートフォリオに含まれる証書、ポートフォリオの各証書の量、および価格設定情報を指定するアカウント情報を使用することによって推定することができる。計算されたポートフォリオ収益データが、「公式に」提供される値と比較される。このレポートは、実際のクライアントポートフォリオデータならびにベンチマークポートフォリオの両方に対して実行することができる。レポートで提示される結果を、望まれる場合にフィルタリングし、その結果、事前定義の値より大きい相違を有するポートフォリオ比較だけが、示され、ソートされ、その結果、最も大きい相違を有するポートフォリオが最初にリストされるようにすることができる。

実際には、公式のポートフォリオ評価額データが、問題のポートフォリオの実際の取引データに基づくことが好ましいことに留意されたい。複数の取引を、所与の日のうちに１つのポートフォリオに対して行うことができるので、公式に導出されるポートフォリオ評価額は、取引日の終りの最終的なポートフォリオ内容および関連する証券の終値だけを検討する評価額と異なる可能性がある。

推定値対実際の収益診断レポートの例を、図５に示す。このレポートは、さまざまな形でフォーマットすることができる。ポートフォリオが、名前およびアカウント番号の両方によって識別され、実際の収益と推定された収益が、パーセンテージとして示され、差が、ベーシスポイントに関して示されることが好ましい。公式の収益と推定された収益の間の大きいベーシスポイントの差によって、さらに調査されなければならないデータ問題がある可能性があることが示される。図５に示されたレポートの例では、行７０に関して、「ＧＳ Ｊａｐａｎｅｓｅ Ｅｑｕｉｔｙ Ｆｕｎｄ」の推定値が、５８ベーシスポイントだけ公式値と異なる（次に高いエントリが４ベーシスポイントだけであるのと対照的に）。推定されたポートフォリオ評価額と実際のポートフォリオ評価額の間のこの大きい差によって、データエラーまたは他のエラーがある可能性があり、さらなる調査が正当化されることが示される。

レポートにリストされる各ポートフォリオが、より詳細なサブレポートへの、その下のリンクを有し、このサブレポートに、推定された値の導出に使用されるポートフォリオ内容およびデータがリストされることが好ましい。所与のポートフォリオについてこのリンクを選択することによって、関連するレポートが自動的にアクセスされる。図６に、ＧＳ Ｊａｐａｎｅｓｅ Ｅｑｕｉｔｙ ｆｕｎｄの構成データのレポートのサンプルの一部を示す。好ましい構成では、このレポートに、振出人または証券、ならびにその現在価格（この例では円単位）、株数、およびその証券の計算された収益がリストされる。配当および分割などの追加データも、示すことができる。より詳細な分析を可能にするために、ここでは証券ＩＤの下に位置付けられている各証券のさらなるハイパーリンクを提供することができる。このリンクが選択された時に、選択された証券のヒストリカル時系列レポートが、検索されるか生成されて（データウェアハウス内のヒストリカルデータを使用して）、オペレータが、現在の値が以前のアクションとの一貫性を有するかどうかをよりよく判定できることが好ましい。たとえば、Ａｓａｈｉ Ｋａｓｅｉ Ｃｏｒｐ．のリンク７２を選択することによって、その証券の時系列データレポートがアクセスされることが好ましい。ヒストリカルデータをさらに分析し、グラフィカルに表示し、または他の操作を実行する、より洗練されたツールも、提供することができる。

提供できるもう１つのタイプのレポートが、異常値レポートである。一般に、異常値は、現在価格が前の値と一貫しないか、欠けているか、他の形で疑わしい証券である。異常値診断が、別々のアカウントまたはミューチュアルファンドで保持されるすべての一意の証券ならびに主要な市場ベンチマークに含まれるすべての証券に対して実行されることが好ましい。異常値を、識別し、タイプに従ってソートすることができる。各異常値に、１つまたは複数のリンクを与え、これによって、時系列レポートなど、基礎になるデータまたは関連するデータへのアクセスを可能にすることができる。上で述べたように、基礎になるレポートに、データポイントごとにデータ編集リンクを含めることができ、このリンクが選択された時に、データエディタ５８を自動的に起動して、選択されたデータポイントの値を適宜訂正できるようにすることができる。別々のリンクを設けて、データリサーチモジュール６０にアクセスするか、外部データソースに直接にリンクして、疑わしいデータの説明が存在するかどうかをユーザが判定するのを助けるニュースおよび情報へのアクセスを得ることができる。

さまざまな属性または特性を使用して、異常値指定にトリガをかけることができ、証券への異常値状況割当の根拠を、レポート内で識別することができる。最も好ましい実施形態では、下記の特性の１つまたは複数を有する証券を、異常値とみなすことができる。

・価格が、前の日のデータ観察と同一である
・価格または出来高がない
・価格および／または出来高が０である
・その実体について、出来高が、５日平均出来高の５倍を超える
・その実体について、出来高が、５日平均出来高の２０％未満である
・その実体について、未清算発行済株式数（ＵＳＯ）が、５日平均ＵＳＯの５倍を超える
・その実体について、未清算発行済株式数（ＵＳＯ）が、５日平均ＵＳＯの２０％未満である
・未清算発行済株式数＝０である
・総収益が、市場ベンチマーク収益＋３０％を超える
・総収益が、市場ベンチマーク収益−３０％未満である
・総収益が、−０．７５以下または０．７５以上である
・識別子（たとえばＣＵＳＩＰまたはＳＥＤＯＬ）を、システムの製品テーブルで見つけられない
・証券の時価総額を関連市場の全株式の総時価総額で割った値が１０％を超える

異なる実施形態で、追加の異常値定義を使用し、他の定義を省略することができる。異常値の定義に使用される値は、偽陽性の数、異常値を調査するのに必要な時間、ならびに正確なデータを提供することへの望みのバランスをとるために、望み通りに選択することができる。市場ボラティリティなどの要因の差のゆえに、ある市場での普通でないまたは疑わしいとみなされる変化が、別の市場で普通である場合がある。したがって、特定のタイプの証券と共に使用するために、または他の形で適当に、異常値ルールの異なる組を定義することができる。

米国証券の異常値レポートのサンプルの一部を、図７に示す。識別された証券のそれぞれが、基礎になる時系列レポートへのアクセスを提供する第１リンク７４（参照ＩＤ番号の下）と、リサーチ情報へのアクセスを提供できる第２リンク７６（証券名の下）を有する。「Ｍａｒｃｈｆｉｒｓｔ」証券のリンク７４の選択に応答して生成することができる時系列レポートが示されている。時系列レポートのデータ編集リンクポイントの選択時に提示することができるサンプルデータ更新も示されている。

複数の他の診断レポートも、生成することができる。たとえば、たとえば特定の日の市場での各株式の１日収益の組の標準偏差に基づく、特定の市場の総クロスセクショナルボラティリティ（ｃｒｏｓｓ−ｓｅｃｔｉｏｎａｌ ｖｏｌａｔｉｌｉｔｙ）レポートを提供することができる。通常、標準偏差は、単一の証券に関する時間的データを使用して計算される。クロスセクショナルボラティリティによって、通常は、厳しい価格レベルが強調される。レポートを、日付によってソートすることができ、クロスセクショナルボラティリティならびに検討される証券の数の両方を示すことができる。普通でないボラティリティ値または証券の数を有する日によって、重要であるか、他のデータの精度を検討する時に留意しなければならない潜在的なデータの問題または他の市場条件を示すことができる。

他の診断レポートと同様に、データレポートの下にあるリンクを設けることができる。クロスセクショナルボラティリティレポートの各データエントリに、総収益に対する異常値証券を示すレポートへのリンクが含まれることが好ましい。特定のポートフォリオの内容に基づくレポートと異なって、総収益異常値レポートは、指定されたエクイティ市場でのすべての収益の分析に基づくものとすることができ、総収益異常値レポートには、総収益が、５０ベーシスポイントなどの指定された値を超える各株式のエントリを含めることができる。クロスセクショナルボラティリティレポートおよびリンクされた総収益異常値レポートのサンプルの一部を、図８に示す。域外にある（ｏｕｔｌｙｉｎｇ）証券の振出人を、終値、調整要因、総収益、量、発行済株式数、および配当をリストする、そこからデータエディタ（図示せず）にアクセスできる時系列などのさらなるサブレポートにリンクすることができる。

会社行為を要約し、未知の証券、外国為替相場の異常値、および株式分割がいつ行われたかおよび予定されているかをリストしたレポートなどの、他の診断レポートも提供することができる。これらの追加の診断レポートに、基礎になるデータを説明する１つまたは複数の関連するレポートへ、外部のリサーチおよびニュース収集ツールへ、および問題の特定のレポートおよびデータに適当なデータエディタへの直接アクセスを可能にするリンク付きのデータフィールドも含まれることが好ましい。

図３に関して、データ保全性システム１２に、さらに、データセンタモジュール６６を含めることができ、このモジュール６６は、集中化されたメニューを提供するように構成され、このメニューから、データウェアハウス１８または診断レポートからデータを抽出でき、また、所与の日付の１つまたは複数の指定された証券またはポートフォリオにアクセスすることができる。ユーザに、Ｍｉｃｒｏｓｏｆｔ Ｅｘｃｅｌなどのスプレッドシートまたは他のデータビジュアライゼーションソフトウェアへのデータインポートを単純にするように構成されたフォーマットでデータを受け取るオプションが与えられることが好ましい。データセンタインターフェースメニューの特定の実施形態を、図９に示す。

諒解される通り、データ保全性システム１２によって生成されるさまざまなレポートは、周期的にまたはオンデマンドで生成することができる。レポートが生成される時に、レポートを適当な形で保管して、必要に応じたアクセスおよび／または分散ユーザベースへの配布を可能にすることが好ましい。特定の実施形態では、診断システムの少なくとも一部が、ウェブサーバとして構成され、このウェブサーバに、たとえば図４に示された診断レポートインターフェースを介して、または図９に示されたデータセンタインターフェースを介して、アクセスすることができる。

ソース財務データの保全性を検証した後に、またはデータが他の形で少なくとも限られた使用について承認された後に、分析システム１４によって、データを操作することができる。分析システム１４は、広義には、基礎になる財務データからエクスポージャ要因およびリスク要因を生成し、適当な共分散行列を生成するために再帰分析を実行し、そのデータを適用してリスクおよびトラッキングエラーを判定する、普通の技法に沿って実施される。要因およびリスク−収益計算の高水準の流れを、図１０に示す。そのような全般的な技法は、当業者に既知であり、したがって、数学的な詳細は、本明細書では説明しない。

全体的なアナリスティックスプロセスは、普通の方法に従って実施することができるが、アナリスティックスシステム１４内で実施されるさまざまな新しい特徴によって、普通のシステムには存在しない力および柔軟性が、ＰＡＣＥシステムに追加される。図１１に関して、および本発明の１態様に従って、さまざまなデータ処理テーブルおよびストレージエリアが、アナリスティックス処理中の使用のために提供される。

少なくとも、システムで定義されたポートフォリオと、そのポートフォリオに対して実行されることを指定されたモデルへのリンクとのリストを含むポートフォリオＩＤテーブル８０が、設けられる。リンクは、適当な権限を有するシステムユーザが、望み通りに指定でき、調整できることが好ましい。図２に示されたアカウントポジションデータベース３８とは別にまたはそれと共に、さまざまなテーブルを実施することができる。このデータのテーブル編成が好ましいが、データを、代替の形で保管できることに留意されたい。たとえば、各ポートフォリオに１つまたは複数のモデルを関連付けるテーブルを設けるのではなく、関連付けデータを、たとえば各ポートフォリオ定義の属性として分散し、保管することができる。

リスク、収益、または他の属性の特性を表すモデルなどのモデルの仕様は、１つまたは複数のモデル定義テーブル８２に保管される。モデルは、複数の形で指定することができる。好ましい実施形態では、モデルが、モデル「テーブル」として指定され、このモデルテーブルに、図１０に示されたシステムによる処理に適する形のモデル定義が含まれる。さらに、モデルは、指定されたテスト環境との互換性を有するように構成されたモデルオブジェクト８６として指定される。好ましい実施形態では、ＭＡＴＬＡＢ（登録商標）テスティング環境が、設けられ、モデルオブジェクト８６が、単一のコマンドまたは少なくとも最小限の労力を使用してＭＡＴＬＡＢ（登録商標）環境に直接に、データベースインターフェース４２を介して簡単にロードできるように構成される。モデルオブジェクト仕様のサンプルを、図１２に示す。

アナリスティックスシステムによって評価される使用可能な要因のライブラリを、モデル要因テーブル８８で指定することができる。各モデルは、そのモデルを使用することが要求される特定の要因にリンクされる。そのようなリンクを実施するさまざまな方法を使用することができる。テーブル８０、８４、および８８からのデータを組み合わせることによって、所与のポートフォリオにどのモデルを使用しなければならないか、特定のモデルを使用するためにどの要因が必要であるか、および、たとえば、所与のポートフォリオセットのポートフォリオに関連するすべてのモデルを評価するためにどの要因を評価しなければならないかに関する判定を、すばやく行うことができる。

ポートフォリオ分析中に、適当なモデルが、所与のポートフォリオに対して実行される。基礎になるポートフォリオデータおよび判定されたポートフォリオデータが、ポートフォリオオブジェクト９４に保管されることが好ましい。具体的に言うと、処理が開始される時に、移植されていないポートフォリオオブジェクト９４が、生成され、このポートフォリオオブジェクト９４には、ポートフォリオの内容（たとえば、ホールディングのタイプおよび量と、問題の日の価格）を定義するオブジェクトフィールド、ポートフォリオに関連するモデルが必要とする要因、ならびにトラッキングエラーなど、アナリスティックスプロセス中に収集される他のデータのフィールドが含まれる。

生成されるポートフォリオオブジェクト９４の構造を評価して、そのポートフォリオの処理にどの情報が必要であるかを判定することができる。この情報は、必要に応じて入手または導出され、ポートフォリオオブジェクトに、オンザフライで移植される。この処理が完了した後に、ポートフォリオオブジェクトが保管される。ポートフォリオオブジェクト９４は、指定されたテスティング環境との互換性を有するようにフォーマットされ、モデルオブジェクトに似て、単一のまたは少数のコマンドを使用してテスティング環境にロードすることができることが好ましい。特定のポートフォリオオブジェクト定義のサンプルを、図１３に示す。このオブジェクトでは、特定の実施形態でリスクおよび収益のリサーチおよび測定を行うのに必要と思われるデータフィールドの組が、名前「Ｐｏｒｔ」を有するポートフォリオオブジェクトについて定義されている。

有利なことに、この方法では、ポートフォリオに関連する大量の情報を、テスティング環境に簡単にエクスポートでき、そのテスティング環境で、さらに分析を実行することができる。移植されたポートフォリオオブジェクトをテスティング環境からアクセス可能な形で保管するほかに、ポートフォリオオブジェクトの内容も、報告システムによるデータへのアクセスを単純にする第２のフォーマットで保管することができる。たとえば、ポートフォリオオブジェクトに類似するデータを含むが、表データとして構成されるポートフォリオテーブル９２を、データウェアハウス１８内の普通のリレーショナルデータベースに保管することができる。

さまざまな別々のテーブルが、図１１に示されているが、より多数またはより少数のテーブルを使用するか、非テーブルベースのストレージ環境を使用して、異なる配置で情報を保管することができる。図１１に示され、上で言及した基本機能性を保つ実施形態は、当業者に既知であり、実施形態の特定の形である。

好ましい実施形態では、分析環境が、リスクモデルオブジェクトおよびポートフォリオオブジェクトを中心として作られる。各オブジェクトは、コンストラクタを使用して初期化するか構築することができ、メソッドを使用して修正することができる。リスクモデルオブジェクトによって、リスクを推定し、パフォーマンス帰属を測定するのに使用されるリスクモデルが定義される。ポートフォリオオブジェクトによって、ポートフォリオの特性が定義される（そのリスクおよび収益の測定に関して）。好ましい実施形態では、パフォーマンスオブジェクトも設けられる。このオブジェクトは、時系列情報を保管するのに使用されることを除いてポートフォリオオブジェクトに類似し、ポートフォリオオブジェクトの情報は、特定の時点のみに関する。パフォーマンスオブジェクトとポートフォリオオブジェクトの間のこの類似性のゆえに、パフォーマンスオブジェクトは、本明細書では別々に対処しない。

分析システムのより詳細な図を、図１４に示す。特定のポートフォリオ計算および関連する数学は、変更することができ、そのような詳細は、本発明に関連しない。その結果、さまざまな計算ステップを、一般的にのみ説明する。参照される値を決定する特定の方法および手順は、当業者に既知である。

図１４に移ると、生産が開始される時に、指定されたアカウントの情報が、アクセスされ、関連するリスクおよびパフォーマンス帰属モデルに関連する情報が、アクセスされる（１４０２、１４０４）。この情報によって、一般に、指定されたポートフォリオに対してどのモデルが実行されるかが示される。

次に、必要であればリスクモデルを作成する（１４０６）。リスクモデルは、ＭＡＴＬＡＢ関数を呼び出して新しいリスクモデルを生成することによって生成されることが好ましい。この関数への入力は、新しいモデルの名前、共分散行列の推定に使用される日数、「減衰」パラメータ（すなわち、ボラティリティおよび相関を推定する時のデータの重みを決定するパラメータ）、および、ポートフォリオの評価に必要な他のパラメータなどのパラメータである。出力は、リスクモデルオブジェクトである。このオブジェクトは、「ｍａｔ」ファイルとして保存でき、適当な参照番号がシステムによって呼び出される時にロードされる。

リスクモデルが作成された後に、推定リスクモデル生産プロセスが開始される。このプロセス中に、さまざまな要因がロードされ、判定され（１４０８）、その後、共分散行列が計算され（１４１０）、特定の分散が推定される（１４１２）。このプロセスが完了した後に、システムは、適当なモデルをポートフォリオに適用する準備ができている。

リスクモデルが、ベースワークスペースにロードされる（１４１４）。このモデルを使用して、リスクを推定することができる。次に、ポートフォリオオブジェクトを初期化する（１４１６）。上で注記したように、移植されていないポートフォリオオブジェクト（ならびにベンチマークポートフォリオオブジェクト）を、作成することができる。その後、適当なモデルを使用して、ポートフォリオに対して分析テップを実行する。デフォルトのまたはポートフォリオに関連する特定の流動性モデルを使用して、流動性を測定する（１４１８）。同様に、リスク属性およびパフォーマンス属性のデフォルトのまたは指定されたモデル、実現されたトラッキングエラー、およびクロスセクショナルボラティリティが適用され、結果のデータが、ポートフォリオオブジェクトに保管される（１４２０〜１４２６）。追加の属性も、必要に応じて判定することができる。

ポートフォリオパフォーマンスデータを、ポートフォリオオブジェクトおよびパフォーマンスオブジェクトにロードし、修正されたオブジェクトを保管する（１４２８〜１４３０）。最後に、ポートフォリオオブジェクトおよびパフォーマンスオブジェクトの内容を、レポートシステムによる後続処理のためにデータウェアハウス１８にエクスポートする（１４３２）。他の関連する時系列データも、データウェアハウス１８に保管することができる。

上で述べたように、データベースインターフェースモジュール４２を設けて、データウェアハウスからリサーチおよびテスティング環境４４（図２）へのデータインポートおよびデータエクスポートをサポートすることが好ましい。好ましいテスティング環境は、ＭＡＴＬＡＢである。インターフェースモジュール４２は、データウェアハウス１８にデータオブジェクトを保管し、そこからデータオブジェクトを検索するためにテスティング環境から呼び出すことができる一連のプログラム要素からなる。インターフェースモジュールの特定の性質は、テスティング環境と、データウェアハウス１８にデータおよびデータオブジェクトを保管するのに使用されるシステムとに依存する。インターフェースモジュール４２の開発を容易にするさまざまな市販ソフトウェアツールセットが入手可能であり、適当なインターフェースを作成する技法は、当業者に既知である。

インターフェースモジュール４２を設けることと、データオブジェクトにメイン分析システム１４および報告システム１６との互換性がある形でモデルおよびポートフォリオ情報を保管することの特定の利益は、実際の現在のデータおよびヒストリカルデータを、テスティング環境にエクスポートでき、新しいモデルの開発または他の目的に使用できることである。新しいモデルの開発を容易にするために、テスティング環境によって、モデルオブジェクトおよびポートフォリオオブジェクトだけではなく、モデル要因テーブル８８を含むデータウェアハウス１８内の他のデータ要素にもアクセスできることである。その結果、ＰＡＣＥシステムによって生成される要因の完全な組が、モデル開発者に既知になり、特定の要因を、簡単に選択し、モデルに挿入することができる。

そのようなモデルを開発したならば、そのモデルをシステムにインポートすることができる。一実施形態では、新しいモデルに、一意のＩＤまたは他の識別子が割り当てられる。必要な場合には、モデルオブジェクトを、好ましくは自動化ツールを使用して処理して、モデル機能性を、分析システム１４による処理に適する形に変換する。モデル定義テーブルが、更新され、新しいモデルによって使用されるモデル要因へのリンクが、確立される。モデルがインポートされたならば、ポートフォリオを、望みに応じて新しいモデルにリンクすることができる。分析プロセスが次に実行される時に、新しいモデルが、システムによって認識され、指定されたポートフォリオに対して実行される。有利なことに、新しいモデルの追加は、簡単に、システムコードを更新する必要なしに、行うことができる。

いくつかの情況で、使用可能な要因の組に含まれないか、それから導出可能でないモデルが開発される。この新たに必要になる要因が、将来に幅広く使用される場合には、この要因を、デフォルト要因ライブラリに追加する（おそらくは、分析コードを修正することによって）ことが適当である可能性がある。しかし、より頻繁に、そのような要因が、限られた用途だけを有するカスタマイズされたモデルで、たとえば、独自の特性を有する１つまたは少数の特定のポートフォリオだけに対して使用される。この状況の下で、新たな要因の値が、外部で、おそらくはモデル開発者またはポートフォリオを所有するクライアントによって生成され、周期的に、一般的な財務データと共になど、システムにインポートされることが好ましい。モデルが実行される時に、カスタム要因値が、適当に、データウェアハウスから検索され、モデルで使用される。

ＰＡＣＥシステム１０全体の第３のコンポーネントが、レポート生成システム１６である。このシステムは、分析システム１４によって生成されたデータに作用し、一連の高レベルレポートおよび低レベルレポートを生成し、これらのレポートを、ポートフォリオマネージャ、ポートフォリオ開発者、および他のユーザが使用して、特定のポートフォリオの状況を追跡し、他のクライアントポートフォリオおよびベンチマークと比較することができる。普通のシステムとは異なって、レポートは、特定のポートフォリオに焦点を合わせることに制限されないことが好ましい。そうではなく、マネージャがポートフォリオのグループの状況およびパフォーマンスにすばやくアクセスでき、比較できるようにするために、複数のポートフォリオの高水準のサマリを含むレポートを生成することができる。

レポート生成システム１６は、集中化されたウェブページを介してアクセスされるように構成されることが好ましく、このウェブページには、ユーザが使用可能なレポートおよび他のツールにすばやくアクセスでき、必要に応じてレポート生成プロセスを開始できるようにするリンクおよびフォームが含まれる。図１５に、レポート生成システムへのエントリポイントとして働き、データウェアハウス（および他の場所）に保管されたさまざまな他のデータ、ツール、または類似物へのアクセスも提供できる、レポートジェネレータホームページの特定の実施形態の図を示す。好ましい実施形態からアクセス可能なさまざまなサブページおよび機能の部分的な階層図を、図１６に示す。このページは、普通のインターネット開発ツールを使用して実施することができ、アクセスは、イントラネット、インターネット（許可されたユーザにアクセスを制限する適当な追加のセキュリティ特徴を含む）、または当業者に既知の他の機構を介して提供することができる。所望のレポートを、当業者に既知の技法を使用して生成することができる。

レポートは、ポートフォリオマネージャ、製品マネージャ、およびリスクマネージャに、包括的なリスクおよび収益帰属レポートへのアクセスを与えるために、毎日更新することができる。流動性ならびに市場リスクの測定値を含む、さまざまなレポートを生成することができる。対話型の会社監視レポートを設けて、信用リスク査定を助けるために会社の財務体質に関する市場情報を供給することができる。さらに、ユーザがリスクおよび収益帰属のカスタマイズされた版を実行できるようにするツールが使用可能である。たとえば、カスタマイズされたリスクツールを提供して、ユーザが、トラッキングエラーに対する重みの位置での変更の効果をシミュレートできるようにすることができる。ユーザは、任意の期間の収益帰属レポートを実行することも許可されることが好ましい。

レポート製作プロセスは、並列処理のさまざまな態様を使用して実施することができる。毎日の基礎で、複数の製品ジョブを、さまざまなウェブページを介して監視することができる。レポートは、データ保全性処理が完了するまで実行されてはならないので、データ処理を監視し、管理できるユーザのベースを拡張するために、より大きい金融機関のグローバルな性質を活用できる分散製作環境が使用されることが好ましい。たとえば、毎日、データの質および計算出力を、ロンドン、東京、およびニューヨークのオフィスで監視することができる。ロンドンのユーザが、保全性検査を実行し、米国のポートフォリオに関する後続のレポート生成を開始できるようにすることによって、正確でタイムリーなデータを、ニューヨークの営業日の初めに提供することができる。

さまざまなレポートを、すべてのユーザから使用可能にすることができるが、レポートの内容が初めて必要とされるまで、特定のレポートの生成を延期することによって、コンピューティングリソースを節約することができる。各機構が必要とするレポートの数は、一般に限られているので、集中化された中央システムでの処理要件は、自然に時間的に分散される。より洗練された環境では、データおよび機能性を、さまざまなリモートに配置されるシステムでミラーリングすることができる。レポートが生成される時に、複数の場所でレポートを再生成する必要をなくすために、レポートデータを他のステーションに配布することができる。

図１５に戻って、ホームページ１００の特定の実施形態によって、データ、レポート、およびツールへのアクセスならびに主要なベンチマークインデックスに対するリスクおよび収益情報が提供される。ページ１００の最上部の近くに、８つのリンクすなわち、（１）Ａｄｍｉｎ（管理）、（２）Ｄａｔａ（データ）、（３）Ｌｉｂｒａｒｙ（ライブラリ）、（４）Ｒｅｐｏｒｔｓ（レポート）、（５）Ａｒｃｈｉｖｅｓ（アーカイブ）、（６）Ｔｏｏｌｓ（ツール）、（７）Ｌｉｎｋｓ（リンク）、および（８）Ｈｅｌｐ（ヘルプ）がある。これらのリンクのいずれかをクリックすると、使用可能なオプションのメニューが起動される。たとえば、「Ｄａｔａ」リンク１０２から、ユーザは、データセンタにアクセスでき、たとえば、会社行為およびポートフォリオホールディングを表示するか、市場データをダウンロードすることができる。

Ｒｅｐｏｒｔｓリンク１０４によって、多数のアカウントにまたがる高水準のリスクおよび収益情報の詳細を示すサマリレポートのメニューが提供される。これらのレポートは、特定のアカウントまたはアカウントの組のパフォーマンスが、所与の投資戦略との一貫性を有するかどうかを判定するのに有用である。４つのサマリレベルレポートすなわち、（１）エグゼクティブサマリ、（２）リスク、（３）収益帰属、および（４）パフォーマンスが提供されることが好ましい。これらのレポートは、アカウント固有レポートへのリンクと共に生成されて、ユーザが、基礎になるデータに簡単にアクセスでき、再検討できるようになることが好ましい。リンクされたレポートの好ましい組を、図１６に示す。Ｔｏｏｌｓリンク１０６によって、カスタマイズされたリスクおよびシナリオ分析、複数期間の収益帰属および分散分析、エクスポージャ属性帰属、および会社リスク分析などの対話型アプリケーションへのメニューが与えられる。

このホームページの左側に、さまざまなユーティリティ１１０へのポータルがある。これらのユーティリティによって、入力されたクライアントアカウント番号による特定のレポートへのアクセスがもたらされる。

画面の中央１１２に、選択されたベンチマークポートフォリオに関するサマリ情報が含まれる。たとえば、サンプル画像では、Ｆｒａｎｋ Ｒｕｓｓｅｌｌ １０００ Ｇｒｏｗｔｈインデックス（ＦＲ１０００ Ｇｒｏｗｔｈ）が、累計１７．６２％下がり、昨日から１．４６％上がっている。各ベンチマーク名は、資産、セクタ、産業、および投資スタイルによるベンチマークの総収益のソースの詳細を示すめいめいのポートフォリオのＱＴＤ収益帰属レポートなどの基礎になるレポートにハイパーリンクされることが好ましい。

中央の右側に、ベンチマークサマリデータに隣接して、各ベンチマークポートフォリオのリスク情報１１４がある。好ましくは、このリスク情報が、クロスセクショナルボラティリティの形で提示されることが好ましい。この実施形態には、１日クロスセクショナルボラティリティ推定値の５日平均が示されている。これに隣接して、推定値の１カ月および３カ月の変化がある。ボラティリティ値からベンチマークポートフォリオの日次リスク分解レポートへのハイパーリンクが設けられることが好ましい。ウェブページの右側１１６は、広範囲の市場インデックスでリスクおよび収益のサマリを示し、ニュースサマリを提供し、ＰＡＣＥプラットフォームの開発に関連する発表を行い、あるいは他の目的に使用することができる。

本発明のさまざまな態様を実施する特定の方法を、上で説明した。しかし、これらの方法は、例とみなされなければならず、本発明の趣旨および範囲から逸脱せずに、システムの形態および範囲におけるさまざまな変更を行うことができる。

本発明を実施するシステムの全般的なフローおよび構造を示す図である。 データウェアハウスの詳細を示すシステムアーキテクチャの図である。 データ保全性システムの一実施形態の高水準図である。 診断レポートへのアクセスをユーザに与える、サンプルのコンピュータ入力画面を示す図である。 詳細レポートおよびデータ更新インターフェースへの組込みリンクを示す、データ保全性システムによって生成される診断レポートを示す図である。 詳細レポートおよびデータ更新インターフェースへの組込みリンクを示す、データ保全性システムによって生成される診断レポートを示す図である。 詳細レポートおよびデータ更新インターフェースへの組込みリンクを示す、データ保全性システムによって生成される診断レポートを示す図である。 詳細レポートおよびデータ更新インターフェースへの組込みリンクを示す、データ保全性システムによって生成される診断レポートを示す図である。 システムからのエクスポートのために財務データへのアクセスを提供するユーザインターフェースメニューのスクリーンショットを示す図である。 分析システムによって実行される要因およびリスク−収益計算の実施形態の高水準の流れを示す図である。 要因、モデル、およびポートフォリオの定義テーブルおよびオブジェクトの間の関係を示す図である。 サンプルのモデル定義テンプレートを示す図である。 サンプルのポートフォリオオブジェクト定義を示す図である。 アナリティックシステムの全般的な動作を示す高水準流れ図である。 報告システムからのレポート、ツール、および他のデータにアクセスするサンプルのホームページを示すスクリーンディスプレイを示す図である。 図１５のページの特定の実施形態からアクセス可能なさまざまなサブページおよび機能の部分的な階層の図である。

Claims (36)

1. データグループの属性を評価するのに使用されるデータの組の保全性を検証するシステムであって、
   少なくとも１つのデータベースを含み、データの現在の組を保管するデータウェアハウスと、
   診断データを生成し、前記診断データに基づいて少なくとも１つの診断レポートを生成するためにデータの前記現在の組をヒストリカルデータと比較するように構成された診断モジュールであって、前記診断レポート内のデータポイントは、関連するデータ編集リンクを有する、診断モジュールと、
   前記データウェアハウスと通信し、指定されたデータポイントに関する新しい値を入力するようにユーザに問い、前記データウェアハウス内の前記指定されたデータポイントの値に前記新しい値をセットするように構成されたデータ編集モジュールと
   ユーザによる選択時に前記データ編集モジュールを起動するように、および、めいめいのデータ編集リンクに関連する前記データポイントを前記データ編集モジュールに示すように構成された各データ編集リンクとを備えたことを特徴とするシステム。
2. 前記データウェアハウスは、属性のデータの前記組から導出された推定値を含み、
   前記システムは、前記データウェアハウスと通信し、入力として前記属性のベンチマーク値を受け取り、前記推定された属性値を前記ベンチマーク属性値と比較することから導出される差の値を保管するように構成された、収益モデル検証モジュールを含み、前記診断レポートは、前記差の値を示すレポートを含むことを特徴とする請求項１に記載のシステム。
3. データの組に関連する複数のデータグループの属性を分析する方法であって、
   要因の組を提供するステップと、
   データグループ化の属性をモデル化するモデルの組を提供するステップであって、各モデルは、要因の前記組から選択される少なくとも１つの要因に依存する、ステップと、
   各データグループ化を少なくとも１つのモデルに関連付けるステップと、
   前記データグループに関連する前記モデルが依存する、要因の前記組の少なくとも１つの要因の要因値を判定するステップと、
   データグループごとに、前記関連するモデルによってモデル化される前記属性の値を提供するために、少なくとも前記判定される要因値およびデータの前記組を使用して関連するモデルを推定するステップと、
   前記属性値を保管するステップと
   を含むことを特徴とする方法。
4. データの前記組は、複数の金融商品に関連する財務データを含み、
   前記データグループは、ポートフォリオを含み、各ポートフォリオは、前記複数の金融商品からの少なくとも１つの金融商品を識別することを特徴とする請求項３に記載の方法。
5. 財務データを使用して複数のポートフォリオを分析する方法であって、
   要因の組を提供するステップと、
   ポートフォリオの属性をモデル化するモデルの組を提供するステップであって、各モデルは、要因の前記組から選択される少なくとも１つの要因に依存する、ステップと、
   各ポートフォリオを少なくとも１つのモデルに関連付けるステップと、
   前記ポートフォリオに関連する前記モデルが依存する要因の前記組の要因の少なくともサブセットの要因値を判定するステップと、
   ポートフォリオごとに、関連するモードによってモデル化される前記属性の値を提供するために、少なくとも前記判定される要因値および前記財務データを使用して、関連するモデルを評価するステップと、
   前記属性値を保管するステップと
   を含むことを特徴とする方法。
6. モデルの前記組は、少なくとも１つのリスクモデルおよび少なくとも１つのパフォーマンスモデルを含み、
   各ポートフォリオは、少なくとも１つのリスクモデルおよび少なくとも１つのパフォーマンスモデルに関連する ことを特徴とする請求項５に記載の方法。
7. モデルの前記組は、少なくとも１つのパフォーマンスモデルを含み、特定のポートフォリオは、前記特定のポートフォリオのパフォーマンス値が前記評価するステップ中に判定されるように前記パフォーマンスモデルに関連し、前記方法は、さらに、
   前記特定のポートフォリオの代替パフォーマンス値を受け取るステップと、
   前記判定されたパフォーマンス値を前記代替パフォーマンス値と比較するステップと
   を含むことを特徴とする請求項５に記載の方法。
8. 前記判定されたパフォーマンス値および前記代替パフォーマンス値が、事前定義の値より大きく異なる時に、潜在的なデータ保全性条件を示すステップをさらに含むことを特徴とする請求項７に記載の方法。
9. 前記パフォーマンスモデルは、ポートフォリオ収益をモデル化し、前記代替パフォーマンス値は、前記特定のポートフォリオの前記収益の公式に報告された値であることを特徴とする請求項７に記載の方法。
10. 各ポートフォリオは、前記めいめいのポートフォリオによって反映される投資戦略に従って少なくとも１つのモデルに関連することを特徴とする請求項５に記載の方法。
11. 前記要因の組をモデル開発プラットフォームから使用可能にするステップと、
    前記開発プラットフォームで、要因の前記組から選択された少なくとも１つの要因に依存する新しいモデルを開発するステップと、
    前記新しいモデルをモデルの前記組に追加するステップと
    をさらに含むことを特徴とする請求項５に記載の方法。
12. モデルの前記組の各モデルが、前記モデル開発プラットフォームとの互換性を有するフォーマットを有するモデルオブジェクトとして定義されることを特徴とする請求項１１に記載の方法。
13. 前記ポートフォリオ属性値に基づいて少なくとも１つのレポートを生成するステップをさらに含むことを特徴とする請求項５に記載の方法。
14. 財務データを使用してポートフォリオを分析するシステムであって、
    複数の要因を含む要因ライブラリと、
    ポートフォリオ属性のモデルを定義するモデルオブジェクトの組を含むモデルデータベースであって、各モデルは、前記要因ライブラリ内の少なくとも１つの要因に依存する、モデルデータベースと、
    複数のポートフォリオオブジェクトであって、各ポートフォリオオブジェクトが、前記めいめいのポートフォリオについて判定された少なくとも１つの属性を保管するように構成され、各ポートフォリオオブジェクトが、少なくとも１つのモデルに関連付けられる、複数のポートフォリオモデルと、
    前記要因ライブラリ内の要因の少なくともサブセットの要因値を判定し、前記要因値を要因値データベースに保管するように構成された要因判定モジュールと、
    関連するモードによってモデル化される前記属性の値を提供するために、少なくとも前記判定された要因値および前記財務データを使用して、特定のポートフォリオに関連するモデルを評価し、前記特定のポートフォリオの前記めいめいのポートフォリオオブジェクトに属性値を保管するように構成されたモデル評価モジュールと
    を含むことを特徴とするシステム。
15. 複数のパフォーマンスオブジェクトをさらに含み、各パフォーマンスオブジェクトが、めいめいのポートフォリオに関連付けられ、前記関連付けられたポートフォリオについて判定される少なくとも前記属性のヒストリカル時系列を保管するように構成され、
    前記モデル評価モジュールが、さらに、前記めいめいのポートフォリオに関する前記判定された要因値を前記関連するパフォーマンスオブジェクトに加算するように構成される
    ことを特徴とする請求項１４に記載のシステム。
16. モデルオブジェクトの前記組は、少なくとも１つのリスクモデルおよび少なくとも１つのパフォーマンスモデルを定義するオブジェクトを含み、
    各ポートフォリオオブジェクトは、少なくとも１つのリスクモデルオブジェクトおよび少なくとも１つのパフォーマンスモデルオブジェクトに関連する
    ことを特徴とする請求項１４に記載のシステム。
17. モデルの前記組は、少なくとも１つのパフォーマンスモデルオブジェクトを含み、特定のポートフォリオは、前記パフォーマンスモデルオブジェクトに関連し、前記モデル評価モジュールは、前記特定のポートフォリオのパフォーマンス値を提供し、
    前記システムは、入力として前記特定のポートフォリオの代替パフォーマンス評価額を受け取り、
    前記システムは、さらに、前記パフォーマンス値を前記代替パフォーマンス値と比較することから導出される差の値を保管するように構成されたモデル検証モジュールを含む
    ことを特徴とする請求項１４に記載のシステム。
18. さらに、前記差の値の大きさが事前定義の値を超える時に、潜在的なデータ保全性条件を示すように構成されたデータ保全性モジュールを含むことを特徴とする請求項１７に記載のシステム。
19. 前記パフォーマンスモデルオブジェクトは、ポートフォリオ収益をモデル化し、前記代替パフォーマンス値は、前記特定のポートフォリオの前記収益の公式に報告された値であることを特徴とする請求項１７に記載のシステム。
20. 各ポートフォリオオブジェクトおよび各モデルオブジェクトは、一意のＩＤを有し、ポートフォリオオブジェクトとモデルオブジェクトとの間の前記関連が、ポートフォリオ関連テーブルで指定されることを特徴とする請求項１４に記載のシステム。
21. 前記要因値データベースからのデータをモデル開発プラットフォームからエクスポートできるようにし、モデルオブジェクトを前記モデル開発プラットフォームから前記モデルデータベースにインポートできるようにするように構成されたインターフェースモジュールをさらに含むことを特徴とする請求項１４に記載のシステム。
22. 前記ポートフォリオ属性値に基づいて少なくとも１つのレポートを生成するように構成されたレポート生成モジュールをさらに含むことを特徴とする請求項１４に記載のシステム。
23. ポートフォリオを評価するのに使用される財務データの保全性を検証する方法であって、
    データソースから現在の財務データを受け取るステップと、
    前記受け取ったデータをデータウェアハウスに保管するステップと、
    前記受け取ったデータから少なくとも１つの診断レポートを生成するステップであって、前記診断レポートが、データポイントおよび組込みデータ編集リンクを含む、ステップと、
    ユーザによる前記組込みデータ編集リンクの選択時に、前記データポイントの新しいデータを指定する入力を前記ユーザに要求し、前記データウェアハウスに保管される前記データポイントの前記値に前記新しい値をセットするステップと
    を含むことを特徴とする方法。
24. 前記現在の財務データに基づいてサマリインジケータ値を生成するステップ
    をさらに含み、少なくとも１つの診断レポートを生成する前記ステップは、さらに、サマリインジケータ値と、サマリインジケータ値から前記サマリインジケータ値を生成するのに使用された前記データを含む診断レポートへの組込みリンクとを含むサマリ診断レポートを生成するステップを含む
    ことを特徴とする請求項２３に記載の方法。
25. 前記少なくとも１つの診断レポートは、異常値データ、クロスセクショナルボラティリティ、および会社行為の少なくとも１つを示すデータを含むことを特徴とする請求項２３に記載の方法。
26. 前記少なくとも１つの診断レポートは、証券に関連する属性のヒストリカル時系列レポートを含み、各属性は、組込みデータ編集リンクを有することを特徴とする請求項２３に記載の方法。
27. 前記データウェアハウス内のデータを使用して生成される推定ポートフォリオ収益を受け取るステップと、
    前記ポートフォリオに関する公式の収益を受け取るステップと
    をさらに含み、前記少なくとも１つの診断レポートは、前記推定ポートフォリオ収益を前記公式のポートフォリオ収益と比較するレポートを含む
    ことを特徴とする請求項２３に記載の方法。
28. 前記診断レポートは、さらに、前記診断レポート内のデータに関連するデータ情報リンクを含み、前記方法は、さらに、
    前記ユーザによる前記データ情報リンクの選択時に、前記診断レポート内の前記関連するデータに関連するリサーチ情報を返すステップであって、前記返されるデータが、前記関連するデータがエラーであるかどうかをユーザが判定する能力を高める、ステップ
    を含むことを特徴とする請求項２３に記載の方法。
29. ポートフォリオを評価するのに使用される財務データの保全性を検証する方法であって、
    前記ポートフォリオの証券に関する情報を含むデータソースから現在の財務データを受け取るステップと、
    前記受け取ったデータをデータウェアハウスに保管するステップと、
    前記データウェアハウス内の前記データを使用して判定される前記ポートフォリオの推定収益値を受け取るステップと、
    前記ポートフォリオの正式の収益値を受け取るステップと、
    前記公式の収益値を前記推定収益値と比較する診断レポートを提供するステップであって、前記比較レポートが、前記ポートフォリオに関連する第１組込みリンクを含む、ステップと、
    ユーザによる前記比較レポート内の前記第１組込みリンクの選択時に、前記ポートフォリオおよび前記証券の属性を含む前記証券を示す構成レポートを提供するステップであって、前記構成レポートは、第２組込みリンクを含み、各第２組込みリンクは、特定の証券に関連する、ステップと、
    前記構成レポート内の第２組込みリンクの前記ユーザによる選択時に、前記選択された第２組込みリンクに関連する前記証券の属性のヒストリカル時系列レポートを提供するステップであって、前記ヒストリカル時系列レポート内の各属性は、組込みデータ編集リンクを有する、ステップと、
    前記ユーザによる組込みデータ編集リンクの選択時に、前記選択されたデータ編集リンクに関連する前記属性の新しい値を指定する入力を前記ユーザに要求し、前記データウェアハウスに保管される前記属性の前記値に前記新しい値をセットするステップと
    を含むことを特徴とする方法。
30. 複数の証券に関連する財務データの保全性を検証する方法であって、
    前記複数の証券に関する情報を含むデータソースから現在の財務データを受け取るステップと、
    前記受け取ったデータをデータウェアハウスに保管するステップと、
    異常値属性を有する証券を識別するために、前記現在の財務データをヒストリカルデータと比較するステップと、
    前記識別された証券を示す診断レポートを提供するステップであって、各識別された証券は、関連する第１組込みリンクを有する、ステップと、
    ユーザによる第１組込みリンクの選択時に、前記選択された第１組込みリンクに関連する前記証券の属性に関するヒストリカル時系列レポートを提供するステップであって、前記ヒストリカル時系列レポートの各属性は、組込みデータ編集リンクを有する、ステップと、
    前記ユーザによる組込みデータ編集リンクの選択時に、前記選択されたデータ編集リンクに関連する前記属性の新しい値を指定する入力を前記ユーザに要求し、前記データウェアハウスに保管される前記属性の前記値に、前記新しい値をセットするステップと
    を含むことを特徴とする方法。
31. 前記診断レポート内の各識別された証券は、関連する第２組込みリンクを有し、
    前記方法は、さらに、前記ユーザによる第２組込みリンクの選択時に、前記選択された第２組込みリンクに関連する前記証券に関するリサーチ情報を提供するステップを含み、前記リサーチ情報は、前記特定の証券の前記属性データがエラーであるかどうかを判定する前記ユーザの能力を高めることを特徴とする請求項３０に記載の方法。
32. ポートフォリオを評価するのに使用される金融データの保全性を検証するシステムであって、
    少なくとも１つのデータベースを含み、現在の財務データを保管するデータウェアハウスと、
    診断データを生成し、前記診断データに基づいて少なくとも１つの診断レポートを生成するために、前記現在の財務データをヒストリカル財務データと比較するように構成された診断モジュールであって、前記診断レポート内のデータポイントは、関連するデータ編集リンクを有する、診断モジュールと、
    前記データウェアハウスと通信し、指定されたデータポイントの新しいデータを入力するようにユーザに問い、前記データウェアハウス内の前記指定されたデータポイントの前記値に前記新しい値をセットするように構成された、データ編集モジュールと
    ユーザによる選択時に前記データ編集モジュールを起動するように、および、めいめいのデータ編集リンクに関連する前記データポイントを前記データ編集モジュールに示すように構成された各データ編集リンクとを備えたことを特徴とするシステム。
33. 前記データウェアハウスは、ポートフォリオの推定パフォーマンス値を含み、前記システムは、さらに、前記データウェアハウスと通信し、入力として前記ポートフォリオの代替パフォーマンス値を受け取り、前記パフォーマンス値を前記代替パフォーマンス値と比較することから導出される差の値を保管するように構成された、収益モデル検証モジュールを含むことを特徴とする請求項３２に記載のシステム。
34. 前記少なくとも１つの診断レポートは、前記代替パフォーマンス収益値を前記推定パフォーマンス値と比較するレポートを含むことを特徴とする請求項３３に記載のシステム。
35. 前記推定パフォーマンス値は、前記ポートフォリオの推定収益であり、前記代替ポートフォリオは、前記ポートフォリオの公式に報告された収益値であることを特徴とする請求項３４に記載のシステム。
36. 前記データウェアハウスと通信し、前記推定パフォーマンス値を判定し、前記推定パフォーマンス値を前記データウェアハウスに保管するように構成された分析モジュールをさらに含むことを特徴とする請求項３４に記載のシステム。

Images