Алгоритмы искусственного интеллекта, используемые в финансах

Искусственный интеллект (ИИ) давно уже не штурмует отрасль финансовых услуг, а используется как один из ее основных инструментов. Почти каждая компания в секторе финансовых технологий использует версии ИИ для экономии времени, снижения затрат на работу сотрудников и повышения качества предоставляемых услуг. В публикации описаны различные области применения ИИ в финансах, а также основные алгоритмы, применяемые для работы с данными в каждой из этих областей.

Семь ведущих банков США уделяют приоритетное внимание стратегическому технологическому развитию, инвестируя в приложения искусственного интеллекта, чтобы лучше обслуживать своих клиентов, повысить производительность и увеличивать собственные доходы.

https://www.youtube.com/watch?v=FF8xA5vICGM

Платформа Contract Intelligence (COiN) использует программное обеспечение для распознавания изображений при анализе юридических документов и извлечения важных данных. Процедура распознавания и обработки занимает секунды по сравнению с расчетными 360 000 часов, которые бы потребовались при ручной обработке 12 000 заключаемых за один год коммерческих кредитных соглашений. При этом стоить заметить, что человеческий фактор все равно присутствует, так как многие моменты доступны для интерпретации только человеком.

Будущее финансов в значительной мере зависит от новых финтех-компаний и технологий ИИ, создающих условия для повышения конкурентоспособности ведущих мировых гигантов. В следующем десятилетии ИИ поможет финансовым компаниям максимизировать ресурсы, снизить риски и повысить доходы, преобразовать сферы торговли, инвестирования, кредитования и банковского дела в целом.

Значение алгоритмов искусственного интеллекта

Автоматизация, десятилетиями развивавшаяся в заводских процессах, заключается в переносе машинам повторяющихся рутинных задач. Искусственный интеллект в свою очередь передоверяет машине процессы принятия самих решений о выполнении тех или иных заданий. Применение И И актуально в случаях, когда у компании имеются достаточные наборы данных, на которых можно применить возможности алгоритмов искусственного интеллекта. Эти алгоритмы в основном работают с тремя типами данных:

• Параметры и числа, представляющие данные с точностью выходящей за пределы, с которыми обычно имеет дело человек. Это могут быть как данные, развернутые во времени, используемые, например, для анализа рыночных стратегий, так и массивы клиентских баз крупных банков. Для обработки таких моделей используются классические модели машинного обучения, связанные с классификацией, кластеризацией, регрессией, восстановлением плотности распределения вероятности по набору данных и др. В случае программирования на Python для широкого круга подобных задач подойдут решения из библиотеки scikit-learn.
• Текст, его анализ, интерпретация, написание текста с использованием контекстно-зависимой обработки естественного языка. Для обработки речевой информации используются NLP-алгоритмы (Natural Language Processing). Основной библиотекой на Python, в которой реализованы алгоритмы обработки примеров естественного языка, является Natural Language Toolkit.
• Изображения и другие неабстрактные данные реального мира для анализа точечных паттернов, распознавания объектов, людей, лиц, понимания сцен, удаленной проверки банковского оборудования и обнаружения активности при мониторинге видео. Стандартом для решения такого класса задач является фреймворк TensorFlow или его высокоуровневые абстракции, наиболее популярной среди которых является Keras.Люди всегда остаются предвзятыми. Различные эмоциональные настроения, конкурентная борьба и банальная усталость приводят к потерям, связанным с ошибками. Машины действуют в соответствии с заложенными программными алгоритмами и лишь по известным или генерируемым в процессе работы данным. Кроме того, решение многих задач обходится существенно дешевле, чем при найме высококвалифицированных сотрудников. Однако при этом не стоит забывать о конкуренции в среде, где развиваются аналогичные программы.

Фильтрация информации и поведенческий анализ

Искусственный интеллект помогает людям работать более эффективно, отбирая и фильтруя ключевую информацию из различных источников. Reuters News Tracer фильтрует твиты при помощи алгоритмов машинного обучения, чтобы подхватывать новости прежде, чем они появятся на сторонних ресурсах.

Аналогичным образом компании, предоставляющие маркетинговые услуги, используют ИИ для выявления из социальных сетей и других источников текстовых данных быстро меняющихся настроений относительно определенного бренда. Одним из последних крупных показательных примеров стало резкое падение акций Facebook. Анализ настроений аудитории проводится на основе текстовых данных и алгоритмов работы с временными рядами. На арене финансов анализ настроений аудитории — совершенно новая сфера использования алгоритмов ИИ, при этом необходимая информация имеет совершенно открытый характер.

Трейдинг

Использование вычислительных мощностей компьютеров для торговли акциями — идея не новая. Алгоритмическая торговля используется уже более 30 лет и занимает значительную долю рынка, двигаясь в сторону высокочастотной торговли.

Искусственный интеллект помогает управлять и дополнять правила трейдинга и других торговых решений, обрабатывать данные и создавать новые алгоритмы, соответствующие не принятым ранее эмпирически найденным шаблонам, а заложенным в виде скрытых, трудно различимых схем. В этом плане управляющие хедж-фондов и трейдеры не в силах конкурировать с искусственным интеллектом, способным обрабатывать чрезвычайно большие массивы данных временных рядов, совершенствуя прогнозы на основе предыдущих успехов и ошибок. Исследование Eurekahedge показало, что хедж-фонды, использующие ИИ, показывают существенно лучшие результаты, чем те, в которых ключевых решения основываются на опыте людей.

На возможность разработки подобных алгоритмов трейдинга при помощи ИИ существенное влияние оказывает все большее накопление колоссальных объемов численной информации о предыдущем развитии рынков, доступной для обработки при помощи новых алгоритмов. Использование соответствующих архивов данных позволяет сразу же «обкатывать» новые решения на архивах недавних данных, не теряя средства на их проверке.

Гонконгская компания Aidya использует алгоритмы ИИ для автоматического проведения торгов и управления собственным хедж-фондом. Некоторые компании, такие как японская Nomura Securities, полагаются на роботов-трейдеров на основе ИИ в высокочастотной торговле.

Особой сферой подобных разработок является разработка моделей для экономических ситуаций рыночных потрясений (scenario modeling), в периоды высокой волатильности и захлестывания рынка эмоциями. Важным направлениями являются создание сред с предопределенными «настроениями» и исследования поведения таких фиктивных рынков с синтезированными игроками, которые придерживаются различных стратегий. Это делается для улучшения понимания поведенческих стратегий при различных рыночных условиях.

Инвестирование

Инвестиционные фирмы на протяжении многих лет применяли торговые алгоритмы, основанные на настроениях и мнениях, полученных из социальных сетей и других источников общественных данных. На арене управления B2C робо-помощники дополняют управление портфелем и ребалансируют решения, принимаемые людьми, анализируя сам портфель, его устойчивость к риску и предыдущие инвестиционные решения.

Разведывательная база данных Kensho предоставляет трейдерам информацию о тенденциях рынка во всем мире. ForwardLane дает финансовым консультантам персональные рекомендации по инвестициям и возможности количественного моделирования, доступные ранее лишь чрезвычайно богатым клиентам. Робо-консультант Wealthfront отслеживает данные об активности счета и предлагает рекомендации, которые финансовые компании могут дать своим клиентам.

Кредитование

Машинное обучение меняет правила игры в сфере кредитования, повышая качество кредитного скоринга и предоставляя более точную оценку риска кредитования. Так, underwrite.ai применяет достижения в области ИИ, полученные из геномики и физики элементарных частиц, чтобы предоставить кредиторам нелинейные динамические модели кредитного риска, радикально превосходящие традиционные подходы. Подобные алгоритмы могут успешно применяться для работы с короткими кредитными историями молодых людей и самозанятых профессионалов. Например, FICO уже давно использует ИИ, чтобы создавать модели кредитного риска. Звучит обескураживающе, но ИИ также позволяет генерировать идеи для покрытия непогашенных долгов.

Предоставление банковских услуг

Чат-боты помогают банкам обслуживать клиентов более эффективно, даже если те совершенно неспособны самостоятельно поддерживать свои финансовые дела. Благодаря алгоритмам обработки естественного языка боты могут, прослушивая звонки, в которых участвуют представители банка, быстро подсказывать точные ответы и предлагать лучшие практики для повышения эффективности продаж. Нейронные сети помогают агентам реагировать на общие запросы обслуживания, сортируя и маркируя метаданные, генерируя возможные ответы респондента с указанием вероятности каждого из них. При таком подходе гораздо проще организовать персонифицированную поддержку клиентов, сократить время и затраты на работу с каждым отдельным клиентом.

Также в банкинге может использоваться и прогностическая аналитика с использованием клиентской базы компании для прогнозирования оттока, прогнозов доходов и показателей продаж услуг. Финансовые фирмы используют ИИ для выявления клиентов, которые могут в ближайшее время покинуть банк.

ИИ также упрощает работу с неструктурированными и разрозненными базами данных, в которых хранится информация об отдельных объектах, уменьшая затраты на количество аналитиков, работающих с каждым сегментом.

Обнаружение мошенничества

Исследование, проведенное компанией Javelin Strategy в 2015 году, показало, что ложные срабатывания, связанные с законными транзакциями, ошибочно отвергаемыми из-за подозрения в мошенничестве, приводят к годовым убыткам в розничной торговле в 118 миллиардов долларов. Не говоря уже о потерянных клиентах, отказывающихся из-за таких ошибок от услуг эмитента.

https://www.youtube.com/watch?v=oUkcNaWmHoc

Алгоритмы машинного обучения, подобные тем, что используются технологией Decision Intelligence от Mastercard, анализируют различные входные данные, чтобы идентифицировать мошеннические транзакции, снижая до минимума число ложных срабатываний.

Распознавание образов

Последние достижения в области глубокого обучения повысили точность распознавания изображений до уровней, превосходящих человеческие возможности. Компания Cofirm.ioавтоматически аутентифицирует документы, удостоверяющие личность, а платформа Onfidoподключается к различным общедоступным базам данных, чтобы дать работодателям возможность быстрой проверки личности и анкетных данных, включая водительские права и отсутствие судимости.

Распознавание текстовых изображений, например, сканов юридических документов и прочих нормативных текстов, позволяют предотвратить мошеннические действия в отношении различного рода соглашений. Подобные решения для обработки естественного языка были предложены компанией IPSoft в виде консультанта Amelia.

Заключение

Искусственный интеллект имеет неограниченные возможности применения в сфере финансовых услуг, которые определенно в ближайшие годы преобразуют отрасль. Для правильной работы с алгоритмами ИИ в финансах все более важным становится сам факт применения ИИ в среде финансовых услуг. Использование автоматических помощников в торговле на бирже снижает возможности игры на рыночной неэффективности. Уже не люди, а статистические модели вступают в конкуренцию между собой.

Источник: m.vk.com

Комментарии: