یادگیری ماشینی : وعده به لرزه درآوردن مالی

به گزارش بولتن نیوز، یادیگری ماشینی ، شروع به لرزه در آوردن مالی کرده است. زیرمجموعه ای از هوش مصنوعی که به خوبی می تواند الگوها را بیابد و پیش بینی انجام دهد ، صنعت مالی را تحت تاثیر قرار داده است. اکنون واحدهای هوش مصنوعی در شرکت هایی مانند PwC ، JP Morgan و صندوق های پوششی مانند GLG ایجاد شده است. از سال 2019 هر کسی که بخواهد CFA شود ، نیاز به پاسخ به سوالات AI در آزمون خود دارد.

با وجود شک و تردیدهای بسیاری ، برخی از صندوق های پوششی که مبتنی بر الگوریتم های یادگیری ماشینی فعالیت می کردند ، عملکرد قابل توجهی داشتند. شرکت های fintech شروع به انجام تکنیک های یادگیری ماشینی بر هر چیزی از جلوگیری از تقلب تا یافتن استراتژی های جدید معاملاتی نموده اند. هر چند کارها خسته کننده است ، اما چشم انداز مسحور کننده است.

در حال حاضر یادگیری ماشینی برای مدیریت ریسک و پیشگیری از تقلب استفاده می شود. شرکت Intelligent Voice دستگاه های هوشمند یادگیری ماشینی خود را به کارگزاری ها برای تبدیل صدا به متن و جلوگیری از خطای معامله گران و حتی کشف نشانه های معامله های مبتنی بر اطلاعات درونی می فروشد.شرکت های Xcelerit  و Kinetica به بانک ها و شرکت های سرمایه گذاری ، ابزارهای مدیریت ریسک آنی می فروشند که به شرکت ها امکان بررسی سرمایه لازم را در تمام زمان ها می دهد.

یادگیری ماشینی ، در پیدا کردن الگوهای غیرمعمول در معاملات ، بسیار خوب عمل می کند و به راحتی می تواند تقلب را کشف کند. شرکت هایی مانند Feedzai در حوزه پرداخت و Shift Technology در حوزه بیمه ، در حال ارائه چنین خدماتی هستند. برخی از برنامه ها مانند Monzo که در بریتانیا فعال است ، از تقلب کارت های بانکی جلوگیری می کند و توانسته تقلب را از 0.85% در سال 2016 به 0.1% در سال 2017 کاهش دهد.

برنامه های مبتنی بر پردازش زبان طبیعی ، تاثیر قابل توجهی بر فعالیت های مبتنی بر کاغذ و بایگانی داشته است. در ژوئن 2016 JPMorgan  برنامه ای را پیاده سازی نمود که 12 هزار قرارداد وام تجاری را در چند ثانیه مدیریت می کرد ، در حالی که به 360 هزار ساعت کار برای بررسی و مطالعه قراردادها نیاز است.

یادگیری ماشینی برای خودکار کردن تصمیمات مالی نیز موثر است ، از جمله برای ارزیابی اعتباری یا واحد شرایط بودن در بیمه نامه ها . شرکت Zest Finance در حوزه خودکار کردن امتیازدهی اعتباری فعال است. این شرکت امسال برنامه ای را رونمایی کرده است که با استفاده از یادگیری ماشینی ، می تواند ارزیابی مناسبی از افراد با سابقه کم اعتباری نیز داشته باشد. برنامه Lemonade که یک استارت آپ در حوزه بیمه است ، از یادگیری ماشینی برای فروش بیمه نامه ها و مدیریت خسارات استفاده می کند.

شاید جدیدترین مرز یادگیری ماشینی ، معاملات باشد. واحد استراتژی های سرمایه گذاری کمی در Goldman Sachs  ،پردازش زبانی گزارشات هزاران تحلیلگر را انجام می دهد و گزارش نهایی آن ، امتیاز بندی تمایلات بازار براساس کلمات مثبت و منفی است. امتیاز برای انتخاب سهام بکار می رود. همچنین گلدمن در شرکت Kensho سرمایه گذاری کرده است که یک استارت آپ در حوزه یادگیری ماشینی برای پیش بینی اثر وقایع بر بازارهای مالی با استفاده از یادگیری داده های مشابه است.

صندوق های پوششی که با استفاده از الگوریتم های پیچیده یادگیری ماشینی کار می کنند ، توانسته بازده قابل توجهی کسب کنند. با این حال ، برخی از صندوق ها با شک به یادگیری ماشینی نگاه می کنند و معتقدند که در خصوص برخی از روش ها مبالغه شده است و تنها برخی از روش ها کاربردی است.

در حوزه های دیگر ، یادگیری ماشینی ، تغییردهنده بازی بوده است. دیگر دلیلی برای سختی مالی نیست ، زیرا لازم نیست که روش هایی برای یافتن سیگنال به کامپیوتر گفته شود ، بلکه کامپیوترها یاد می گیرند که چگونه سیگنال های معاملاتی را پیدا کنند. و بدین ترتیب استراتژی های معاملاتی متعارف که توسط انسان ها طراحی شده است ، مغلوب خواهد شد.
این موضوع می تواند سبب تغییرات شگرفی شود. بسیاری از صندوق ها وابسته به محققانی هستند که براساس داده ها ، الگوریتم ها را طراحی می کنند. اما این مشاغل می تواند با ماشین های یادگیرنده از بین برود و متخصصان یادگیری ماشینی جایگزین آن ها شوند.