人工智能(AI)成为近年来资产管理技术的关键口号之一，机构和精品公司在这一领域投入巨资。今年TradeTech大会的发言者也热衷于谈论人工智能及其各种子集如何在进一步发展后优化交易流程，以及它对更广泛行业的理论益处。

先锋集团EMEA投资业务主管肖恩肯尼迪(Sean Kennedy)概述了基于人工智能的技术可以采取的各种形式，包括机器学习、机器人过程自动化(RPA)和深度学习。

“在我们的案例交易中，我们在其他行业看到的真正价值在于查看整个生命周期的功能领域。因此，我们现在正在花时间研究应用机器学习来优化整个生命周期的方法，”他说。

“我们在Vanguard和整个行业看到的是，传统上，中端办公室的功能与前端办公室的整合更加紧密，因此这些界限变得非常模糊。围绕新技术的机会是通过机器学习将它们编织在一起，以促进优化。”

摩根大通CIB首席行政官Sanoke Viswanathan强调，该研究所在其研究领域使用自然语言处理——计算技术在自然语言和语音分析与合成中的应用——来实现情感分析和新闻分析等功能。

“可能是新兴领域花费大量时间而不是大量收入，我们称之为自动决策；自动交易或自动对冲，自动回答客户询问等。这是一个应用类别，我发现它在最终用户中引起了很好的共鸣，因为这是人们决定如何部署这些技术的方式，”Viswanathan说。

然而，尽管AI及其技术子集可以提供已证实的和潜在的好处，但在行业完全熟悉这项技术之前，仍有一些问题需要解决。

“我们对专注于金融市场的人工智能基础研究水平并不满意。在与客户的讨论中，对于我们正在处理的问题类型，如市场模拟和时间序列预测，没有足够的核心研究。因此，我们希望建立一种专注于此的研究能力，”维斯瓦纳坦说。

肯尼迪强调，进一步采用人工智能技术的主要障碍之一是对这些系统如何运行缺乏透明度和信任，突出了浅层学习技术和深层学习技术的区别。

肯尼迪说：“肤浅的学习本质上是创建小模型或计算。你可以回顾甚至实时观察输入输出，通过透明度证明输出是合理的。”

“在深度学习中，你会失去透明度。信息进入，一系列计算发生，系统训练自己学习并输出，用于促进理想状态下的决策。这是我看到的最犹豫的地方，这可能很有挑战性。

“这项技术有许多应用远比我们在这个行业中使用的技术更先进，但对于内部监管机构、客户甚至用户来说，信任这种类型的输出并利用它向前发展似乎是一个真正的挑战。”

在大会的另一次会议上，Rowe Price全球系统交易和市场结构负责人t. Mehmet Kinak表示，AI是行业内的“热门话题”，但他还没有发现任何一个组织开发出了好的系统。

“另一方面，机器学习很有趣，比如经纪人轮。它将大量交易成本分析(TCA)和数据纳入交易决策，”他说。

“我相信机器学习会接管，但我对人工智能没有把握。即使在轮子上，数据也在驱动这种方法，我不知道我在使用的是哪个经纪人，因为它只是数据，就好像我看不到它们一样。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：