我们已经确定了在金融三个领域的公司正在申请AI来解决实际业务问题：fintech，regtech和suptech。
我们的读者可能熟悉术语“F英达”今天松散包括在金融部门的技术创新，如零售银行，投资和加密货币使用的AI。
国际金融研究所（IIF）定义regtech是一种使用技术来自动化和优化企业的法规和合规性要求的技术。在上一份报告中，我们覆盖在regtech AI应用的可能性空间。
监控技术，还是suptech，是财政已经出现在regtech的高跟鞋的另一个领域。Suptech涉及金融自动化和优化监管任务应用的新兴技术，如AI，以帮助监管机构。
中央银行和其他监管机构似乎在寻找数据科学、机器学习等技术创新。利用人工智能可以建立有效的数据收集和共享机制，帮助监督机构提高其内部流程的效率。
我们怀疑，在suptech中使用人工智能的最大驱动力是全球金融市场日益紧密的联系。如今的全球金融网络也意味着风险传播得更快，要求监管机构跟上变化的步伐。
在金融部门，中央银行、资本市场和银行当局等监管机构现在有可能利用其内部数据记录和外部数据，如新闻或社交媒体趋势实体，更好地利用人工智能监测金融市场。
我们研究了空间，以更好地了解AI发挥作用的suptech并回答以下问题：
- 目前什么类型的AI suptech应用在金融应用？
- 人工智能在金融领域有哪些实质性成果？
- 在这些创新努力中有没有共同的趋势？这些趋势如何影响金融的未来？
本报告涵盖使用情况和试点项目，信誉良好的银行和大学，以帮助企业领导了解AI的suptech的可能性空间。我们的研究使我们相信在suptech以下数据分析应用有可能在未来两到五年内出现。
- 市场监督
- 风险预测
- 减少欺诈行为检测和反洗钱的成本（AML）
本文拟提供的商业领袖金融与他们目前可以从艾期望在他们的行业的想法的空间。我们希望这篇文章可以让商业领袖金融为争取他们的见解可以自信地传达给他们的管理团队，使他们能够考虑AI收养时做出明智的决定。最起码，本文拟用作减少时间商界领袖的方法金融花研究AI公司与他们可能（或可能不）感兴趣的工作。
市场监督
意大利的银行
意大利央行声称他们是目前从事内部试点项目旨在获得从Twitter的职位，并生成在任何时间点，储户对银行的信任得分文本情绪。然后银行使用这个分数指标来衡量预测的准确性其零售的筹资模式。飞行员似乎旨在查明金融稳定任何威胁，由于银行系统变化的公众不信任的水平。所使用的银行自然语言处理（NLP）在意大利的鸣叫技术四大意大利银行（BMPS，UCG，ISP，UBI）和德意志银行以训练他们的模型来识别情绪。
意大利的银行是该国的中央银行机构和声称他们已经开发出一种自然语言处理系统，可以与Twitter或网络和报纸上的文章输入通过API来识别正面或负面情绪。然后，系统会分析鸣叫数千分配正面或负面标签在鸣叫每个字。然后系统提供正面和负面的tweet的数量和讨论采取的主要议题的报告，考虑到所有的tweet。
我们可以找到这个项目没有示范视频。
意大利银行近日宣布成立一个多学科团队AI包括经济学家，统计学家，并从各部门在公司的计算机科学家。
据后，意大利的银行创建的AI团队，使试点项目的几个实体中帮助监测不达标被它们调节。银行声称他们的AI队与建设硬件和软件以支持其经济目标任务。该团队据说能够从社交媒体如Twitter分析来自银行的数据仓库和非结构化的文本数据结构化的数据，作为衡量通货膨胀或理解向银行储户的信任级别的代理。
据报道，该银行的AI软件使用自然语言处理和机器学习提取，分类，并确定具体的公司或他们的影响正面或负面的宏观顾客情绪股票回报，波动性和交易量。在另一个应用中，银行声称他们的团队能够使用软件来测量通过使用Twitter的职位提银行（意大利）和其他意大利新闻媒体作为输入，经济政策的不确定性（为国家经济风险）。
来自意大利银行的项目仍然似乎是在进步，所以有系统没有可用的案例研究或选取框的客户。
路易吉Bellomarini是“应用IT研究室”的副主任在意大利的银行。他持有博士在里面计算机科学从外国语学院的罗马第三。先前，贝洛马里尼担任科学合作者在t牛津大学的他，虽然目前还不清楚他是否在这段时间对AI的项目合作。
风险分析
金融网络分析（FNA）
FNA是伦敦基于公司17雇员。该公司提供的FNA平台，他们声称可以帮助金融服务企业风险和金融市场分析运用机器学习。
FNA要求用户可以通过仪表板获得从图表分析引擎实时洞察。金融服务公司可以可能通过软件即服务（SaaS）协议或作为本地企业软件使用FNA平台。该软件汇集了来自监管机构或公共数据库的内部记录信息。
那么，FNA平台使用机器学习来分析数据并识别金融市场的潜在风险。FNA的网站说，他们的平台在仪表板上有数百个数据分析算法选项，用户可以选择这些选项来识别重要节点或检测输入数据中的共性。这些共同点可能来自美国金融市场或投资组合的持股数据。然后系统提供该数据清楚地的视觉表示显示出对软件的仪表板外围的数据点，如图如下图所示：
下面是一个7-演示如何FNA平台作品：
似乎有一些证据FNA的已经在一个项目上曾与瑞银集团，瑞士跨国投资银行和金融服务公司。这就是说，FNA不提供任何统计信息，报告其软件可能为客户端生成的实现或结果的详细信息。
我们找不到值得注意的公司在FNA平台可能有帮助。
We were unable to find any C-level executives with AI experience on the company’s team, although FNA seems to employ a small number (6-7) of data scientists who are presently PhD candidates from colleges such as Columbia University or Imperial College, London.
减少欺诈行为检测和反洗钱的成本（AML）
数字推理——英格兰银行项目
数字推理是田纳西州的富兰克林，公司187雇员。该公司与英国央行曾在一AI suptech项目，旨在帮助银行的监管队伍自动化从规范性文件信息提取运用NLP。
在审慎监管局（PRA）是英国金融监管机构。PRA是英格兰银行的一部分，它为监管银行，信用合作社，存款接受者，保险公司和大型投资公司的审慎监管。据英国的银行，PRA监管超过500家保险公司，包括一般及人寿保险人，和伦敦保险市场。
在PRA上司通常是通过产生大量的，并通过调节公司出版的非结构化的或半结构化的文本数据的需要梳。这是一个耗费时间和人力资源密集型任务。
该银行一直在寻找发展人工智能工具，使监督员通过对有关监管法规的信息，这些受监管实体的文件进行搜索。该银行还需要一种能够自动捕获和标志监管兴趣的任何新的信息，以便主管可以更快审查这些事态发展。
该行声称其数据科学团队一起工作团队从数字推理对于概念项目的证明使用AI供应商的认知系统开发能够理解的NLP算法文档中的文字部分被监管部门关注的其中涉及。
该银行的软件开发团队，然后与开发商合作从数字推理设计的仪表板。
据该行称，在培训过程中，数字推理系统以公共文件样本的形式接收数据，其中包括与该行保险监管团队相关的信息片段。
英国央行称该工具可以自动分类的部分文字在具体监管兴趣的数据和提取信息。该工具被训练来选择正确的类别由有经验的主管谁与标签和注释通过软件选择的文本的摘录帮助。
然而，我们必须说明的是，该项目目前还只是一种概念证明，我们找不到任何工具的证据被商业化使用或已提供任何实际的业务成果呢。
英国央行专用软件在内部，因此软件没有可用的案例研究。
我们无法清楚地确定哪个来自英格兰银行的领导团队成员参与了这个项目。然而，数字推理的人工智能高级主管卡尔·布兰登以前是副总裁和美国银行创始人Aventura的实验室，营销自动化和分析的公司。
小贴士企业领导者在金融
同样为金融科技公司和银行提供效率和机会的技术也有可能提高监管效率和效力。
suptech中人工智能的好处可能包括（接近）从监管数据访问和监管过程自动化中获得的实时见解。然而，实施的障碍可能包括标准化的内部IT采购政策和跨境数据移动条例。
目前，少数监管机构正在探讨利用人工智能增强现有监管职能的可行性。与其他行业和部门一样，suptech中的人工智能可以通过从大量非结构化数据中提供洞察来帮助扩展人类主管的能力。这一人工智能申请可用于评估金融风险、监测或审查受监管实体提交的文件或改进中央银行的监管指导政策。
我们认为，在AI是suptech仍处于非常初期阶段，但正在迅速看到建立的用例。条款FinTech和RegTech的出现似乎已经催生不仅名字suptech但也有很多的使用从Fintech和RegTech AI应用转移的教训同样的兴趣。
五年后，似乎几个国家的中央银行当局可能会采用某种形式的人工智能自动化，从监管文件、社交媒体和新闻媒体中收集见解。
在短期内，央行和其他监管机构不应指望轻松地从他们的数据，而不着手开始管理和组织他们的数据漫长的整合过程自动化业务流程或获得商业智能。
这可能还需要与供应商的支持代表和大量的前期成本的讨论。最大的企业可能有预算和工作人员的技术追求，但根据我们的研究，这是截至目前的公司，将能够负担得起AI应用程序访问。
标题图片来源：lfccworkforce
