希望在交易过程中实现机器学习和人工智能(AI)系统的资本市场公司必须为一个多年项目做好准备，在看到结果之前需要极大的耐心。

在今年的TradeTech大会上，发言者参加了一场主旨演讲，概述了他们的公司如何接触机器学习项目，并警告说，那些希望这些努力立即产生效果的人可能会失望。

据MAN GLG公司高管研究主管Antish Manna称，该公司去年推出了基于机器学习的订单流和经纪人分配框架。

Manna解释说：“这个框架有效地消除了人们设定任意目标的需要。我的前三个经纪人将获得这样的流量，并不断更新目标，以便他们有一台自动执行此操作的机器。”

“它的美妙之处在于，它与我们的经纪人进行了一次非常干净的谈话；知道我们怎么做事，他们就会获得更多的流量，这种机制可以适应不断变化的市场条件。”

Manna解释说，虽然围绕机器学习的炒作已经发展到了要实现技术能够实现的目标是不现实的地步，但从一个相对简单的元素开始，比如经纪人分配，意味着公司可以构建具有更广阔框架和未来的直观项目。

卖方是加拿大皇家银行资本市场全球股票执行联席主管Shary Mudassir。他同意业界对机器学习的看法经常是错误的，尤其是完成这些开发需要多长时间，以及建立所需的专业知识需要多长时间。

“有一个概念，你可以雇佣人，并基于人工智能产生有意义的结果.但是这种方法行不通。人工智能的真正成功需要一个非常庞大的团队，”他说。

“在RBC，我们的人工智能研究团队有100多名AI科学家。在应用人工智能领域，我们有300多名银行业数据科学家。关于近期产品的股票执行团队，我们会在年内的某个时候推出。我们有一个60多人的团队，这60个人不全是AI科学家——他们是销售交易员、交易员、量子、执行顾问和技术专家.在此期间，他们聚在一起，取得了巨大的成就。”

针对这些不切实际的预期，Manna表示，机器学习项目的大部分时间都花在了研发前的数据清理上，那些刚刚开始机器学习之旅的公司不应该期望结果是短期的。

他说：“事实是，这是一个谬论，建立一个可以提供大规模工作的框架需要很多时间。“就机器学习和人工智能而言，问题最好由一个团队的人来解决，因为你需要挑战、严谨和时间去学习和失败，学习和再试；这个过程需要很多时间。”

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：