Учебник по выявлению и внедрению ценных сценариев использования ИИ
Будем честны. Клиенты инвестиционного менеджера, вероятно, не будут заботиться о модных инструментах искусственного интеллекта, которые использует инвестиционный менеджер. Клиента будут заботить ровно четыре вещи:
- Доходность с поправкой на риск
- Постоянная избыточная доходность (альфа)
- Своевременные ответы, советы и внимательное обслуживание
- Становиться богаче
С этой целью компании по управлению инвестициями могут использовать искусственный интеллект для управления рисками, извлечения информации об инвестициях из альтернативных данных и автоматизации анализа и отчетности клиентов.
Сначала мы рассмотрим текущие и будущие приложения ИИ в управлении инвестициями. Затем мы рассмотрим, как инвестиционные менеджеры могут определять ценные возможности ИИ, настраивать их на успех и совместно создавать решения со стартапами в области ИИ.
Приложения AI в управлении инвестициями
ИИ применим к функциям фронт-офиса и бэк-офиса, от анализа инвестиций, управления рисками и административных задач, таких как создание отчетов.
Мы рассмотрим три области, в которых ИИ может повысить ценность компаний по управлению инвестициями:
- Управление рисками: использование машинного обучения для управления инвестиционными рисками и рисками портфеля.
- Инвестиционная информация: применение машинного обучения и компьютерного зрения к альтернативным данным для прогнозирования таких показателей, как производительность розничных магазинов, поставки товаров и общая экономическая активность.
- Анализ и отчетность: использование обработки естественного языка (NLP) для создания индивидуальных отчетов для клиентов и подведения итогов звонков о доходах и годовых отчетов для аналитиков.
Есть явные преимущества применения ИИ в этих случаях использования. Улучшенное управление рисками и анализ данных приводят к лучшим инвестиционным результатам. Использование ИИ для автоматизации анализа и отчетности экономит время и деньги аналитиков. Предлагая клиентам индивидуализированные отчеты по запросу, они добавляют элемент интерактивного обслуживания, повышают доверие и удовлетворенность клиентов.
Управление инвестиционными рисками с помощью машинного обучения
BlackRock, ведущая компания по управлению инвестициями, предлагает Aladdin, операционную систему для инвестиционных менеджеров, позволяющую более точно управлять рисками портфеля.
Aladdin утверждает, что используется более чем 200 учреждениями (включая BlackRock), у него есть встроенные инструменты машинного обучения для мониторинга и снижения рисков портфеля. Aladdin может автоматически отслеживать более 2000 факторов инвестиционного риска в день (например, процентные ставки, обменные курсы) и моделировать эффективность портфеля при различных экономических сценариях.
Фирмы по управлению инвестициями, использующие Aladdin, могут повысить квалификацию менеджеров своего портфеля. Человеческий опыт в сочетании с вычислительной мощностью ИИ может создавать, тестировать и повторно балансировать портфели более эффективно, чем человек или ИИ в одиночку.
Инвестиционные идеи от применения ИИ к альтернативным данным
Все анализируют традиционные данные об инвестициях из документов SEC, новостей, Bloomberg и т. Д. Шансы аналитика найти на основе этих данных информацию, которую упустили все остальные, невелики.
Инвестиционные менеджеры все чаще обращаются к альтернативным источникам данных для получения информации об инвестициях. Примеры альтернативных данных включают спутниковые снимки и данные о местоположении по телефону.
Прогнозирование продаж в розничных магазинах с помощью спутниковых снимков
Спутниковые снимки автостоянки розничного магазина могут использоваться в качестве ранних прогнозов розничных продаж и роста продаж в том же магазине.
На изображении выше показан вид со спутника на автостоянку рядом с универмагом Target. Инвестиционные аналитики, имеющие доступ к этим данным, могут буквально подсчитывать автомобили и отслеживать движение на парковках с течением времени. Предполагая сильную положительную корреляцию между заполняемостью автостоянки и доходом магазина, инвесторы могут делать ставки на таких розничных продавцов, как Target или Walmart, прежде чем они раскроют квартальную финансовую отчетность. Если все сделано правильно, это может стать сильным источником альфы.
Как это работает с точки зрения ИИ? Ответ - сочетание компьютерного зрения и нейронных сетей, способных идентифицировать и подсчитывать припаркованные автомобили на спутниковом снимке.
Прогнозирование экономической активности с помощью данных геолокации телефона
Когда мы выходим из пандемии коронавируса, инвесторы спрашивают, как быстро восстановится экономическая активность - не только на фондовом рынке, но и на улицах.
Частично ответ может быть получен путем анализа данных о движении толпы и геолокации (GPS) с телефонов людей. Логика в том, что если вы знаете, где находятся телефоны, вы знаете, где находятся люди.
В разгар пандемии отчет CNN объяснил, как две технологические фирмы, X-Mode и Tectonix, отслеживали данные о местоположении телефонов посетителей пляжа Флориды во время весенних каникул в марте 2020 года. куда пропали эти телефоны (и их владельцы) после ухода с пляжа. Карта местоположения показывала, где эти люди оказались в Соединенных Штатах.
Когда мир откроется, анонимные данные геолокации могут отслеживать человеческую деятельность в торговых районах, туристических районах и экономических центрах. Эти данные могут служить ранним сигналом экономической активности до того, как будут опубликованы официальные данные. Эти идеи можно использовать, например, для инвестиционных ставок в индустрии гостеприимства. Методы машинного обучения могут предсказать, куда будет двигаться толпа, на основе прошлых моделей движения.
Автоматический анализ и отчетность с обработкой естественного языка
Автоматизация инвестиционного анализа
В старые добрые времена (всего несколько лет назад) аналитики проводили бесчисленные часы, изучая годовые отчеты, новости отрасли и отчеты о прибылях и убытках, чтобы понять, как дела у компании.
В настоящее время ветвь искусственного интеллекта, называемая обработкой естественного языка (NLP), способна читать эти отчеты, статьи и стенограммы звонков. Эти инструменты могут затем извлекать информацию из годовых отчетов и резюмировать основные выводы. Инструменты анализа настроений могут анализировать записи телефонных разговоров о прибылях и убытках и определять, насколько руководство положительно или отрицательно относится к перспективам компании. ИИ-стартапы, такие как Alpha Sense, предоставляют эти инструменты институциональным инвесторам.
Подобные инструменты НЛП также могут применяться к новостям и данным в социальных сетях, обрабатывая огромные объемы данных, сопоставить которые аналитики-люди не могут. Хорошая новость для аналитиков заключается в том, что теперь они могут сосредоточиться на анализе с добавленной стоимостью, генерирующем альфа-канал.
Индивидуальные отчеты для клиентов и информация по запросу
Генерация естественного языка (NLG), техника, связанная с NLP, может описывать базовые данные на простом английском языке. Инвестиционные менеджеры могут использовать эту технику для автоматизации периодических отчетов клиентам и даже предоставлять клиентам информацию о рынке по запросу.
Согласно отчету New York Times за 2019 год, Bloomberg использует автоматизированные репортажи для написания до одной трети своих новостных статей. Bloomberg не одинок - в отчете NYT указывается, что хедж-фонды также используют автоматические отчеты для предоставления своим клиентам рыночной информации.
Инвестиционные менеджеры могут автоматизировать отчетность, чтобы сократить расходы и сэкономить время внутри компании. Что еще более важно, предоставление клиентам своевременной отчетности и дополнительных сведений повысит уровень удовлетворенности клиентов и повысит репутацию компании.
Выявление важных сценариев использования ИИ и развертывание ИИ-решений
Фирмы по управлению инвестициями значительно выиграют от внедрения ИИ. Чтобы получить максимальную выгоду от ИИ, компании должны учитывать следующее:
- Определение сценариев использования ИИ: Какие бизнес-возможности мы можем решить с помощью ИИ больше всего? Какие методы ИИ мы можем использовать?
- Приоритизация ИИ. Как следует определять приоритеты наших проектов ИИ в зависимости от сценария использования и временного горизонта?
- Получение данных. Какие типы данных нам нужны? Где его взять?
- Партнерские отношения с поставщиками ИИ. Как мы можем сотрудничать со стартапами в области ИИ для совместного создания решений ИИ, разработанных с учетом наших уникальных потребностей?
Идентификация варианта использования
Выявление вариантов использования ИИ происходит из осведомленности об ИИ. Руководители высшего звена по управлению инвестициями будут понимать свою отрасль и потребности своих клиентов, но им может потребоваться введение в то, на что способен ИИ. Эта фундаментальная осведомленность об ИИ поможет руководителям понять, как ИИ поможет фирме и ее клиентам.
Осведомленность и образование в области ИИ могут быть получены на онлайн-курсах, корпоративном обучении, консультантах по ИИ или поставщиках ИИ, которые поддерживают тесные отношения с компанией.
Это особенно эффективно, когда приходит проверенный консультант или поставщик ИИ, который вместе с сотрудниками определяет варианты использования. Сотрудничая с руководством фирмы и экспертами в предметной области, поставщики и консультанты ИИ могут помочь определить варианты использования ИИ для наиболее выгодных бизнес-возможностей фирмы, будь то управление рисками, альтернативные данные или автоматизированный анализ.
Еще одно преимущество использования поставщиков и консультантов ИИ для выявления вариантов использования заключается в том, что они могут объяснить (и, возможно, предоставить) методы и инструменты ИИ, необходимые для развертывания решения.
Приоритезация AI
Компании не могут развернуть несколько решений ИИ одновременно из-за нехватки времени и ресурсов.
Хорошее эмпирическое правило - сначала выбивать проекты с быстрой прибылью - небольшие проекты, которые быстро окажут ощутимое влияние. Например, компания по управлению инвестициями может приобрести и развернуть инструмент интеллектуальной роботизированной автоматизации процессов (RPA), который использует ИИ для автоматизации рутинного административного рабочего процесса.
Набрав обороты и продвинувшись по кривой обучения ИИ, компании могут перейти к более важным вариантам использования ИИ, которые они определили. Имеет смысл разделить инициативу ИИ на краткосрочные, среднесрочные и долгосрочные проекты. Таким образом, затраты контролируются, выгоды суммируются, а инициатива ИИ постоянно проверяется с течением времени.
Получение данных
Большая часть данных для проектов ИИ фирмы по управлению инвестициями будет внутренними данными. Тем не менее, есть вопрос об унификации источников данных и очистке данных - по меньшей мере, нетривиальное занятие. Другие данные будут поступать от таких поставщиков финансовых данных, как Bloomberg и Reuters.
Альтернативные данные, такие как спутниковые изображения и анонимные данные геолокации, упомянутые выше, поступают от специализированных поставщиков альтернативных данных. При проверке этих поставщиков фирмы должны:
- Убедитесь, что поставщик не использует существенную внутреннюю информацию. Это может подвергнуть инвестиционных менеджеров риску обвинений в инсайдерской торговле.
- Убедитесь, что вы можете легко интегрировать наборы данных поставщиков в свои модели искусственного интеллекта.
- Проверьте, помечены ли данные поставщика только с помощью машинного обучения, или люди выполняют вторичную проверку, чтобы повысить точность маркировки.
- Подумайте, будет ли поставщик данных по-прежнему работать в следующем году (конкуренция жесткая)!
Партнерство с поставщиками ИИ
Создать ИИ непросто. Только самые крупные инвестиционные менеджеры могут позволить себе строить все своими силами, используя внутреннюю команду ИИ. Хотя компании должны стремиться к этому в долгосрочной перспективе (больший эффект знаний, безопасность данных, защита интеллектуальной собственности), многим компаниям еще предстоит достичь этого уровня зрелости ИИ.
В то же время, если просто отказаться от покупки кучи инструментов искусственного интеллекта, это не сработает в долгосрочной перспективе. Стандартные продукты искусственного интеллекта могут не соответствовать потребностям вашего бизнеса и плохо интегрироваться с вашими данными.
Более надежная стратегия - это партнерство с проверенными стартапами и поставщиками ИИ для совместного создания решений ИИ. Поставщики могут работать с вашими сотрудниками (конечными пользователями) и вашей технической командой и командой данных, чтобы разработать набор инструментов искусственного интеллекта, которые хорошо работают вместе, как друг с другом, так и с данными компании.
Это стратегическое партнерство помогает обеспечить долговечность решений ИИ. Поставщик, который является партнером, будет понимать ваши бизнес-цели на долгосрочную перспективу и может обновлять ваши инструменты искусственного интеллекта по мере изменения целей.
Найти качественные стартапы и поставщиков искусственного интеллекта для сотрудничества непросто. Перспективный стартап или поставщик должны иметь:
- Разнообразная команда разработчиков машинного обучения, менеджеров по продукции, инженеров-программистов, специалистов по данным и бизнес-специалистов.
- Глубокие знания о вашей отрасли
- Опыт внедрения инструментов искусственного интеллекта в различных функциях и цепочках создания стоимости.
Заключительные мысли: стремитесь к масштабу!
Масштабное развертывание ИИ для улучшения всех основных корпоративных функций может привести к устойчивому конкурентному преимуществу и окупаемости инвестиций.
Масштаб имеет значение. Компании не вкладывают средства в искусственный интеллект, чтобы выглядеть круто. Они инвестируют в ИИ, чтобы улучшить результаты бизнеса и решить проблемы. Эти проблемы, такие как управление инвестиционными рисками, имеют большой масштаб. Следовательно, решения AI должны соответственно масштабироваться.
Партнерские отношения помогут компаниям расширить свои инициативы в области ИИ. Партнерство с компетентными стартапами и поставщиками ИИ поможет сократить кривую обучения и разработки и ускорит внедрение.
В конце концов, путь ИИ каждой фирмы уникален. Определите наиболее важные варианты использования, составьте план, выберите партнеров и создайте что-то долговечное.
