技術與做法
機器學習用於 evaluated pricing 的關鍵部分；Continuous Evaluated Pricing 整合交易與報價，其他模型從歷史資料估算價差
商業與財務影響
驗證資訊待補
管理層表示，相較市場實際成交，機器學習改善了評價品質；此段未公布改善幅度、獨立驗證或客戶財務效益
原始證據說明：法說公司披露 · 未量化成效
數字與分級說明
已導入，但目前記載沒有可核對的成效量測。 部署人數、覆蓋範圍與效率／財務成效應分開看；量測期間、比較基準與方法也會影響解讀。
進展與應用地點
產品發布（原始記載：已發布產品）
美國（依總部）
來源沒寫應用市場，依導入方總部定位：美國（10-K 封面主要辦公室 Atlanta, GA）
總部依據延伸研究
可研究模型估價如何支援公允價值複核、異常價格調查，以及成交稀少時的估值不確定性揭露
研究切入點，非來源已證實成果
來源與核對
原指數產品目錄未支持個案，改讀ICE官方投資人網站法說逐字稿第7頁的同一債券評價應用。eventDate為2025-10-30披露日，非2026年9月新上線；不採此段未支持的300萬檔數量。來源超過30天，保留以研究ML估值與實際成交比對、資料品質控制的關係
來源性質：來源待分類。來源核對不等於成效已獨立驗證
ICE 2025 年第三季法說逐字稿收錄自：每日科技研究