Moshi：让市场数据贴合交易员的工作流

从交易台出发的问题

对能源衍生品交易员而言，难点不只是获取数据，而是在持续涌入的信息中，识别哪些变化与自己的持仓和风险有关。

Moshi 创始人兼 CEO Anekha Sokhal 曾在摩根大通从事交易工作，从新兴市场业务转向大宗商品，职业经历主要集中在能源衍生品。她拥有数学、运筹学、统计学与经济学背景，习惯把市场拆解为不同的数据与影响因素。

这段经历塑造了 Moshi 的产品方向：打造她当年做交易时希望拥有的工具，将市场信息与交易员当前关心的投资组合联系起来。

不只看行情，也看影响行情的因素

按照 Sokhal 的介绍，Moshi 面向金融交易员提供实时洞察，起步领域包括大宗商品、能源与宏观市场。其处理的信息既有结构化数据，也有非结构化数据。

她在访谈中列举了几类输入：

• 市场行情与技术指标：期货市场时间序列，以及移动平均线等技术分析指标。
• 基本面数据：尤其是商品市场中的供给、需求等时间序列。
• 新闻及其他非结构化信息：包括新闻、X 上的信息和播客音频。
• 用户私有数据：交易员自己关注的分析师及相关信息，而不只是公开可获取的内容。

她特别提到，交易员往往已经有自己重视的分析师与信息渠道。产品不能简单地要求用户改读另一套内容，而需要理解用户已有的信息使用习惯。

从信息展示走向个性化推荐

Sokhal 用 Bloomberg、Claude 与 Netflix 的组合来比喻 Moshi：既有市场数据，也有处理这些数据的交互界面，还要有面向个人的推荐能力。

这一比喻表达的是产品定位，而不是对功能或效果的独立验证。其核心目标并非单纯增加可阅读的信息，而是回答一个更具体的问题：此刻，哪些市场变化与这位交易员的持仓有关？

因此，访谈中的一个重点是从仪表盘走向工作流。与其让用户继续在更多页面之间切换，Moshi 希望把数据处理和信息推荐嵌入交易员实际工作的方式之中。

“你就是整个团队”的工程压力

访谈还谈到 AI 工程师面临的组织压力。Sokhal 分享，一些工程师感到管理层对个人交付能力的预期正在提高：过去通常由多人完成的系统，如今可能被要求由一个人承担。

“你就是整个团队”概括了这种压力，但访谈并未证明 AI 已经能让单人完整替代传统团队。它更直接地反映出，工程师面对的不只是模型能力问题，还有系统交付范围与组织预期的问题。

先接触用户，再考虑招聘

Sokhal 也分享了与潜在客户交流的经历：会议期间建立的联系带来了后续会面，她因此延长了在纽约的停留时间，并收到能源行业人士进一步交流的邀请。

在创业节奏上，她强调先与用户见面，再考虑招聘。对于 Moshi 这样的垂直领域产品，理解交易员已有的信息习惯、持仓关注点与工作流程，是其产品方向的重要依据。

目前这些内容主要呈现了创始人的产品构想与实践思路，并不足以判断 Moshi 的交易表现或实际收益效果。