“增强情报”:结合人类智慧和技术

应用人工智能(AI)似乎随处可见。自动驾驶汽车的发展是迅速推进。Netflix分析你的浏览习惯显示显示你会喜欢,和Spotify做同样的为你的音频播放列表。谷歌已经提高了电子表格与人工智能特性,可以应对短语作为输入和公式。人工智能也打入私人财富管理投资管理和实践管理。人工智能是一个令人兴奋的时候,但它会造成更多的破坏或创新理财经理吗?

新的思考方式

人工智能已经存在多年,但创新的步伐和采用最近增加了。阿南德•拉奥伙伴和创新领先普华永道在波士顿,列举了三个主要原因:(1)增加计算机能力运行的人工智能算法;(2)增加可用性的数据充足的训练人工智能系统;和(3)增加使用云计算,集中存储大型数据集,也促进了培训。

人工智能这个词包括几个不同的方法,包括机器学习、自然语言处理、神经网络;之间的差异导致了一些混淆技术是如何定义的。首席定量策略师埃德加·范·Tuyll银行Pictet & Cie在日内瓦,瑞士,使用以下定义机器学习来解释我的电子邮件:

”一个精确但机器学习技术的定义可以是:统计(基于概率的不确定性,因此用户必须接受一定程度的误差,这是没有人谈论)预测与迭代算法(完全自动化)改变新数据(或算法本身的参数变化基于新的数据)而无需人工干预,减少成本函数(成本函数的函数预测和实际值)之间的区别。”

这种方法不同于自动化,他补充说,这是一个产品的成倍增加的处理能力和数据但不使用进化算法。

全球财富管理产品经理Rob Stanich与IBM华生在纽约金融服务,更喜欢人工智能定义为“增强情报”强调的人际互动过程的核心。他引用机器学习和自然语言处理IBM聚焦两种人工智能技术。自然语言处理是“理解人类语言的能力,得出结论在意义、语义,情绪,“Stanich解释道。“我们有技术在空间个性分析基于写作样本,语气分析,是否有人生气或害怕当他们说话或写作。”

Quant-ification

毫不奇怪,一些量化投资经理AI早期采用者。行业经理史蒂夫Wilcockson金融服务与软件开发人员MathWorks在剑桥,英国,举了个例子:一个资产经理使用“机器学习来确定关联和预测在宏观经济趋势,信用、流动性、风险和资金因素。这能让他们更好地理解资产交易性能趋势与风险,一些投资组合优于基准100个基点,通过电子邮件”他告诉我。复发性神经网络,循环之前收集的信息更好的为处理新数据提供上下文,可以用于波动率估计,而分类和回归树已被证明有用的历史(例如,外汇策略)。

Abaris投资管理公司的创始人兼总裁斯坦萨卡尔在底特律,密歇根州,使用神经网络,花了十多年时间来培养。神经网络模拟人脑,他解释说,在他们接收来自多个源的输入,这些输入,分析和比较他们与先前的观察和结果。这一过程使得网络学习和适应其预测以迭代方式。

网络的输出是一个购买,出售,或持有资产的指标,和大约90%的-95%推荐交易自动化,与资产管理自由裁量权。这是一个高度复杂的系统。虽然他没有一个精确的开发成本,他估计是在1000万到1500万美元的范围内。

人形的经验表明,成功地将AI纳入投资管理是一个重大的挑战——这不是即插即用技术。范Tuyll股票这一观点。“什么作品是人类专家和机器相结合。使用scikit(机器学习流行的Python代码库)盲目的数据你不理解是通往失败,”他说。“机器学习和继续运行投资之前就像坚持马车时代的第一个汽车:你的驾驶技能不会在某种程度上弥补汽车的技术,但是你,驾驶一辆车,将是无敌超人。”

人工智能在实践中管理

人工智能的使用实践管理可以加快采用财富管理公司之一。Salesforce最近宣布其爱因斯坦平台,旨在提高三个关键活动,根据罗希特•Mahna高级副总裁与公司金融服务。首先是提高生产力。爱因斯坦将自动执行的任务,帮助顾问变得更主动的与他们的数据使用。Mahna给电脑仪表板的例子使建议的顾问应该叫那一天。

发现商业机会通过矿业顾问的现有业务是第二个活动。“你怎么能明智地发现新的机会基于前景或现有客户的情绪,也许提到潜在竞争对手或整体前景订婚,你已经随着时间的推移与客户?”Mahna问道。爱因斯坦在后台工作寻找模式,表明与现有客户或前景的机会

保留客户是第三个活动。爱因斯坦监视客户机相关活动发现模式表明哪些客户的风险顾问。IBM ' s的华生客户洞察力对财富管理解决方案提供了一个类似的预测。“我们能够预测精确度高的客户是什么时候离开公司- 30,60岁,提前90天,“Stanich说。

小公司也将人工智能集成到私人财富管理。ForwardLane在伦敦和纽约是结合量化投资模型和财务规划。响应资本管理在温哥华为α数码顾问提供平台和人工智能研究平台。和纽约市Synechron开发了新套件的AI财务顾问服务,其中包括自然语言处理,聊天机器人,机器学习,robo-advisers和其他服务。

所有关于本杰明

理财经理经常引用的困难在客户不满足最低资产需求,如现有客户的成年子女。CFA马特•莱纳的CEO和创始人之一Wela策略在亚特兰大,乔治亚州,使用人工智能来吸引和服务市场盈利。Reiner在资本投资顾问开始自己的职业生涯,他父亲建立传统的财富管理公司。服务的愿望不太富裕的客户更有效地领导Reiner Wela开始,在线,基于ai金融指导服务旨在年轻家庭。

目标与Wela数字化重建金融顾问的直觉通过用户和一个叫本杰明的数字人格。“本杰明是一个AI想技术,分析情况,”莱纳解释说。“这真是用户之间的中间地带,我们的金融顾问在这里。”

公司开发的系统,在内部,聚集用户的财务信息和生成一个日常支出限制基于自由现金流和储蓄目标。Reiner描述它为“像慧俪轻体的预算。“用户根据需要可以联系人力顾问和投资Wela的交易所交易基金的投资组合模型,作为服务的收入来源。

回到未来

根据最近的一份白皮书Capco题为“变革的本质在财富管理、人工智能(AI)“理财经理一直慢于其他金融服务领域采用的人工智能。尽管如此,文章的作者认为,人工智能将产生广泛影响理财经理的信息流动和组织结构。

多伦多Gary Teelucksingh Capco伙伴和这份报告的作者之一,表示,客户、顾问和投资经理目前查看特定类型的信息在特定的访问点。专注,根深蒂固技术提供者服务每个环节及其数据流。

然而,市场细分是分解。越来越多的客户要求和投资组合获得更复杂的信息。顾问和投资经理使用AI和其他大数据功能以更复杂的方式来开发他们的建议。从本质上讲,这三个流现在聚在一起,根据Teelucksingh。

这种变化不能仅仅归因于AI。相反,人工智能组件与数字化和自动化工作流的持续的趋势。传统的数据存储在纸上已经数字化随着金融服务业数字传输。这些数字化可以审问及其数据来源从他们其他系统可以处理数据。因此,工作流流程存在的今天,允许公司的后台部门,更有效地发挥作用。

这些变化将直接影响操作,因为一旦数据是可用的员工不一定需要查询数据。这种转变的结果将会提高效率和降低成本。”的方式会发生今天的角色不是面向客户的,要最高度的影响,因为它们可以由在意的决定,”他说。“看看这个,看看这个,画出一个结论。如果你的置信水平为99.6%,采取行动。这些东西都是没有不同于今天的后台是如何工作的——这些功能(由人类)会消失。”

将这一趋势更大的后台自动化意味着人类的灭亡在前台的角色?Teelucksingh没有看到这种情况的发生,因为该公司的服务的咨询和互相信任的元素仍然是主要的,这些元素是最好由其他人。这项技术会导致员工的角色演变,然而。

“投资经理会成为高度专业化模型调优,起源模型,模型管理,”他说。“顾问将成为更习惯于使用数据的结果帮助主动服务客户端。所以,最终的结果可能是50%或更多降低成本的员工,可能某个地方类似的自然比例降低成本来服务客户,包括技术,实际上应该抬高利润。”

这篇文章原本跑在2017年9月出版的爱游戏安全吗CFA协会杂志。

如果你喜欢这篇文章,别忘了订阅有事业心的投资者。

---

所有文章作者的观点。因此,他们不应该被视为投资建议,也不代表CFA协会的观点表达的观点或作者的雇主。爱游戏安全吗

图片来源:©盖蒂图片社/ R_Type