FinServ Rampe Di Machine Learning


Due terzi delle aziende di servizi finanziari attualmente distribuire macchina di apprendimento e si aspettano di aumentare il loro uso della tecnologia nei prossimi tre anni.

La Banca d’Inghilterra e il regno UNITO Finanziaria Condotta Autorità ha condotto un’indagine congiunta di quest’anno sull’attuale uso di machine learning, una metodologia di programmi informatici per l’adattamento di un modello o di riconoscimento di modelli di dati, senza essere esplicitamente programmato e con limitato o nessun intervento umano. Questo è in contrasto con le regole di base di algoritmi in cui l’uomo programmatore esplicitamente decide quali decisioni sono state prese in quali stati del mondo.

Lo studio ha detto il mediano azienda usa live machine learning applicazioni in due aree di business e questo dovrebbe più che raddoppiare entro i prossimi tre anni.

Il sondaggio è stato inviato a quasi 300 imprese, comprese le banche, mediatori creditizi, e-istituti di moneta infrastrutture dei mercati finanziari e le imprese di investimento, i gestori, gli assicuratori non bancari, istituti di credito e principali società di trading e ricevuto 106 risposte.

Mark Carney, governatore della Banca d’Inghilterra, ha detto nel suo annuale discorso al Sindaco un Banchetto per Banchieri e dei Mercanti della Città di Londra nel giugno di quest’anno, di una nuova economia emergente che è guidato dai cambiamenti nella tecnologia, la demografia e l’ambiente e che richiede un nuovo finanziamento.

Mark Carney, Banca d'Inghilterra

Mark Carney, Banca d’Inghilterra

Carney ha detto: “Con la sua leadership in fintech e finanza, il regno UNITO del settore privato, la creazione di nuova finanza, ma i vostri sforzi sarà più efficace con le giuste condizioni in cui innovare e il livello di campi da gioco su cui competere.”

Lo studio detto che le stavano usando la macchina di apprendimento in casi, che vanno da negoziazione di titoli azionari per ottimizzare il routing di ordini e di esecuzione dell’operazione di riciclaggio di denaro in cui la tecnologia viene utilizzata per analizzare milioni di documenti per il “know your customer” controlli. Bancario e assicurativo avuto la maggior parte, dei casi nel campione con la mediana banca 5.5 machine learning applicazioni.

“Le grandi imprese potrebbero essere più avanzata ML di distribuzione a causa di vantaggi di scala, l’accesso ai dati, la capacità di attrarre ML di talento, o di maggiori risorse,” ha detto lo studio. “Tuttavia, più ricerca sia necessaria per far luce sulle specifiche ragioni per le differenze”.

Il mediano rispondente prevede che il loro numero di machine learning applicazioni a più che raddoppiare nei prossimi tre anni, anche se banking prevede una crescita di quasi il triplo di 15,5 applicazioni.

“Questo sottolinea il crescente interesse in ML e la prospettiva di un utilizzo sempre maggiore in tutto il settore finanziario, per i prossimi anni”, ha detto l’indagine.

I casi d’uso

L’indagine ha trovato che la macchina di apprendimento è usata in vendita e negoziazione per aumentare la velocità e la precisione di elaborazione degli ordini; dei prezzi, attraverso la combinazione di un gran numero di mercato di serie temporali per arrivare a una stima di, a breve termine, il fair value; e in esecuzione per valutare il luogo, i tempi e l’ordine di dimensioni scelte.

“All’interno di questo, ML può essere utilizzato anche per fasi intermedie del processo; per esempio, per il calcolo della probabilità di un ordine che è stato riempito considerate le caratteristiche dell’ordine”, ha aggiunto lo studio. “Le imprese di utilizzare ML tecniche per determinare l’ordine di routing logica, questo è spesso contenuta all’interno di sistemi di chiamata smart order router o broker/algo ruote”.

I dati utilizzati è ancora in gran parte di una tradizionale, tipo strutturato, ma alcune aziende utilizzano anche dati non strutturati, come i dati di testo, per la stima dei prezzi in mercati illiquidi.

Asset management: macchina di apprendimento spesso svolge un ruolo di supporto secondo l’indagine. Le applicazioni sono utilizzati per analizzare grandi quantità di dati provenienti da fonti diverse e in diversi formati, per facilitare la definizione di un prezzo di mercato equo per una sicurezza; supportare i processi decisionali, collegando i punti di dati e la ricerca di relazioni attraverso un gran numero di fonti; e vagliare le grandi quantità di notizie per estrarre informazioni utili.

CFA Institute, ha detto in un nuovo rapporto che AI e big data permettono agli analisti di eseguire analisi più approfondita e per portfolio manager a prendere decisioni più informate.

Larry Cao ha detto in un blog che, per esempio, gli analisti possono stimare i livelli di assunzione di personale a Tesla utilizzando pubblicamente disponibili cella-dati del telefono.

“Infatti, questo è esattamente ciò che Taso Gruppo ha fatto”, ha scritto. “Da misurare il numero di telefoni cellulari presenti nei pressi di Tesla impianto, che indipendentemente verificato che Tesla era in esecuzione tutto il giorno con tre turni.”

Egli ha anche dato l’esempio di gli analisti di Goldman Sachs sovrapposizione disponibili pubblicamente di lavoro informazioni sulla cima dei dati geometrici dei siti produttivi per stimare il potere di mercato dei produttori di aggregazione.

Cao ha concluso che, AI trasformare la gestione degli investimenti, ma non comporta l’estinzione di massa di umani per i gestori.

“Piuttosto coloro team di investimento che è riuscito ad adeguarsi all’evoluzione del paesaggio di perseverare,” disse Cao Cao. “Coloro che non potranno rendersi obsoleti.”

Consulenza Greenwich Associates, ha detto in un sondaggio di questo mese che il 44% dei mercati dei capitali, le imprese già usano l’intelligenza artificiale nei loro processi commerciali.

Quasi un quinto, il 17% delle imprese ha dichiarato piani per l’attuazione di AI nella negoziazione nei prossimi 12 a 24 mesi, con quattro su cinque pensa AI e/o di apprendimento automatico per essere completamente integrato nel processo di negoziazione in tre-cinque anni.

Kevin McPartland

Kevin McPartland, Greenwich Associates

Kevin McPartland, responsabile della ricerca nel Greenwich Associates struttura del mercato e la tecnologia del gruppo, ha detto in una dichiarazione: “Molti buy-side istituzioni sento fortemente che il modo migliore per avanzare una tecnologia emergente è quello di lasciare a lungo termine di sviluppo per i fornitori di servizi informatici, e quindi implementare innovazioni derivanti dall’AI e altri settori per migliorare la loro attività.”

Prossimi passi

La Banca d’Inghilterra e la FCA ha detto che la loro indagine è il primo passo verso una migliore comprensione dell’impatto del machine learning. La Banca d’Inghilterra e la FCA sono, inoltre, istituisce un pubblico-privato, di lavoro di gruppo per esplorare alcune delle questioni sollevate dallo studio e prenderà in considerazione la ripetizione dell’indagine il prossimo anno.



Leave a Reply

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *