インディ・パ株式会社は、複数の金融商品の取引戦略ビッグデータの中から、確率統計的に優れたストラテジーを取捨選択し、資金量に応じた取引を行うポートフォリオを計算、自動的に最適化し構築できるポートフォリオ構築システム（名称「アリアドネ」）を開発しました。

インディ・パ株式会社は、複数の金融商品（銘柄）の取引戦略（以下「ストラテジー」という）ビッグデータの中から、確率統計的に優れたストラテジーを取捨選択し、資金量に応じた取引を行うポートフォリオを計算、自動的に最適化し構築できるポートフォリオ構築システム（名称「アリアドネ」）を開発しましたので、下記の通りお知らせいたします。

【ポイント1】　データベースの重層化
金融商品の取引データは、わずかな期間でも膨大な量のデータ（いわゆる「ビッグデータ」）となり、コンピュータの計算リソースを圧迫します。
これがもし、複数のポートフォリオ選択方法を比較検討し、その中でもっともパフォーマンスが良いポートフォリオを構築したいというファンドマネージャー等のニーズに応える場合には、その計算量は指数関数的に増加し、通常のサーバ上の計算で何日もかかる場合や最悪の場合コンピュータがハングアップしてしまう場合も少なくありません。
そのような問題に直面する中で、当社ではデータベースの構築方法を重層化することにより、このボトルネックを解消、最小限の計算リソースにより計算時間を劇的に短縮するシステムを開発、計算時間を従来の10分の1以下に短縮いたしました。

【ポイント2】　確率統計的な評価方法の導入
一般的なストラテジーの性能評価によって求められた結果は、確率的に偶然現れた結果です。これではストラテジーが持つ真の性能を評価しているとは言えません。この判断の偏り（バイアス）を避けるためにはストラテジーの性能評価指標は確率統計的に行う必要があります。また複数のストラテジーでポートフォリオを構築して運用する場合には、ポートフォリオ全体を確率統計的な知見を用いて総合的に評価する必要があります。