银行和投资机构通常具有的任务是调查和监控，可能会影响金融交易市场的大事件的研究团队。投资研究是这些公司业务功能，是什么分析师，股票经理人，投资者和交易员所需的基本组成部分。
与大型机构无关的个人交易员也可能使用自营交易平台来管理他们的交易和研究活动。但在很多情况下，个人投资者可能会发现，以历史交易业绩、新闻和媒体报道的形式筛选大量数据是非常具有挑战性的。人工智能被用来帮助交易员自动跟踪可能影响他们交易表现的最重要趋势和事件。
大多数人工智能实现的成功与否，取决于企业能够多轻松地访问大量正确类型的数据。例如，谷歌的研究主任Peter Norvig声明在过去，谷歌并没有比其他AI提供商更好的算法，而是可以访问大量其他公司无法访问的数据。
这往往会响使用AI以及投资研究和交易应用正确的。企业和个人交易者可能需要访问超出了产品定价的数据，搜索趋势，专业见解或网络流量数据。更重要的是，企业也可以使用AI能够更好地利用诸如信用卡交易，从新闻的情绪，社交媒体，或地理空间数据来自其他来源的数据，以提供交易的见解，也许是最相关的，准确的贸易商。
但许多金融服务制度是从比较优势的地位出发的。他们拥有大量的数据集和数十年使用分析工具、构建模型和雇佣大型软件开发团队的经验。最近，他们也开始增加一些数据科学家。
预计AI可能有助于研究和地区贸易见解最可能在帮助交易员和投资者理解和识别趋势从大量的金融新闻,企业更好地利用结构化和非结构化数据,揭示数据间的关系,对人类可能不会很明显。
我们采访了CognitiveScale的罗伯特Golladay他们的欧洲业务总经理。在其应用中，CognitiveScale的人工智能软件可用于获取金融研究和提供交易洞见。
Golladay认为，AI软件可以应用于金融研究和交易的应用领域如下:
- 投资研究自动化:帮助机构和个人投资者或分析家减少时间和参与投资的研究任务，如执行尽职调查的手动工作。
- 个性化的市场情报:允许银行和投资公司为他们的客户或交易员提供人工智能工具，可以更快、更大规模地监控和跟踪金融市场趋势，同时为他们提供个性化的见解，考虑到交易历史和交易员的风险规避水平。
以下是我们对Robert Golladay的完整采访:
格雷厄姆Biggart，风险和法规遵循解决方案在IBM的银行和金融市场组领导AI专家对此表示赞同：
交易依赖于使用交易价格和低延迟系统来处理价格关系的变化。这使得它非常适合机器学习过程，并产生了一些非常成功的交易策略。
我们深入到每一个在下面的章节这些应用程序的更多详细信息：
投资研究自动化
投资研究和分析在交易中起着关键作用。投资经理或交易员投资银行花大量时间收集和分析有关金融新闻或事件的数据。这包括财务报表、公司年度报告、收益电话会议记录、投资者陈述、交易量和趋势、新闻和社交媒体以及新闻稿等数据。
Golladay表示，人工智能软件如今可以帮助银行和金融机构增强交易员、客户和投资组合经理的能力。人工智能工具可能会被用来缩短投资研究过程所花费的时间，方法是自动地在数据源中爬行，而且爬行的规模对单个交易员来说是不可能的。
机构交易员或财富管理可能会受到向客户证明投资回报的时间框架的限制。在某些情况下，这可能会导致交易员忽略数据中的某些信息或遗漏模式，而这些信息或遗漏模式对于理解金融事件的影响可能是至关重要的。从本质上讲，手工投资研究所涉及的操作时间和成本，会降低银行和其他聘用交易员或财富管理师的机构的总体回报率。
此外，研究任务的规模可能意味着交易员经常错过有利的贸易机会，如果他们被正确识别，这些机会可能会带来巨大的回报。
Golladay说，NLP和机器学习可能会通过提供人工智能对研究数据的管理来帮助交易员和分析师。例如，专注于石油和天然气投资组合的金融分析师可能需要研究和监控市场上的并购或新产品发布等事件。
对于这样的分析师，人工智能辅助的研究可能包括开发一种算法，从分析师那里获取信息，包括哪些类型的新闻事件需要包括，哪些石油和天然气公司需要报道，或者每种事件最合适的来源是什么。随着时间的推移，该算法可能会被训练成自动从该分析师的首选来源检索最相关的财务事件信息的列表。
ai增强的投资研究援助可以帮助银行和金融机构增加收入，改善其交易员和客户的研究经验。此外，随着时间的推移，人工智能系统通过来自研究人员的反馈不断改进，使研究更快、更深入。
个性化的市场情报
向客户或个人投资者提供交易平台的银行和其他金融服务公司的业务成果取决于客户忠诚度和交易业绩的增长。
Golladay似乎一致认为，个人投资者可以通过这一事实，他们可能没有机构投资者的资源还处于不利地位。从本质上讲，包括个人和机构投资者的行动需要与整体投资回报率目标，并宣布风险战略保持一致。作为Golladay所说的那样：
在交易从日交易角度来看，世界上有很多工具。但对于自我导向的投资者有用于应用增强智力寻找新的投资机会的机会。
客户觉得有太多的数据筛选变得很有挑战性。现有平台缺乏吸引力，产品缺乏个性化，使得个人在与机构投资者的竞争中处于不利地位。
人工智能软件可以帮助银行向交易员提供个性化的交易洞见，并让他们更深入地了解其历史交易行为的模式。例如，一家大型银行的投资交易员或投资组合经理使用的人工智能工具，可能有助于识别过去导致亏损的买入或卖出行为。人工智能算法可以根据交易员的交易偏好、来自银行的内部企业数据以及外部新闻或社交媒体数据，为每位交易员生成一份个人简介。
人工智能软件可以通过预测和推荐交易员下一步的最佳行动或ROI需求来提供个性化的见解。例如，在一个假设的情况下，假设亚马逊的股价在一个特定的交易日收盘时比平均水平低15%，而且在过去类似的财务状况下，一名交易员已经两次下单购买亚马逊的股票。
一种ñAI工具可能会被个别自动查询历史交易行为进行，使这些事件之间的相关性。然后，该工具可能会与可操作的洞察力暗示与为什么这个建议被做了解释和说明一定数量的亚马逊股价单买入提示交易者。
如果交易员也宣布了他或她对某些公司的兴趣，人工智能工具可能会考虑到这一点，并为这些公司提出交易建议，让交易员评估他们所有的机会，包括那些可能因为缺乏知识或信息而错过的机会。
Golladay解释说，提供个性化交易洞见的人工智能工具可能涉及人工智能技术的组合，从而影响交易员的特定业务结果。这可能涉及使用自然语言处理通过搜索在银行内部文件以及金融机构或从网上搜集可能与交易员的目标和兴趣相关的新闻事件。此外，人工智能工具可能还包括基于机器学习的模式识别，以识别历史交易行为中有用的见解。
总结关于人工智能的研究和交易见解
从历史上看，在金融交易领域的利益相关者一直的数据分析和人工智能的早期采用者。这可能是由于这样的事实，在这一领域的玩家已经积累了大量的历史数据和已有的软件开发团队，以实现基于算法的规则和流程自动化。
通过增加数据科学家到他们的行列，银行和金融机构现在可以扩展他们的能力，以有效地利用他们所收集的数据。这就是说，所有的AI应用需要大量高质量的数据。企业需要生成训练数据可以输入到AI软件，以获得他们的数据的一些有用的东西出来。
在短期内，Golladay似乎同意人工智能软件可能在很大程度上与人类一起使用，从而改善和增强人类分析师或交易员的能力。最终，高度复杂的任务最适合人类和机器一起工作，每个人都发挥自己的长处。例如，制定长期投资策略或在10年内构建投资组合可能是目前需要人力参与的领域。
能够访问历史交易数据集的银行和金融机构可能会使用人工智能软件来帮助他们的交易员做出更好的决策。但是，确定有用且准确的趋势需要大量的数据。
例如，如果一个企业能够访问以毫秒级别捕获了6个月或更长时间的交易和金融市场数据，那么该公司就有可能部署人工智能解决方案。一旦使用来自毫秒级数据的数据集进行训练，人工智能工具就能识别新金融市场数据中的模式，这些模式可能预示着在不久的将来增长或下降。然后，人工智能工具可以帮助交易员识别机会，用交易洞见来推广它们。
在银行和金融服务公司的商界领袖从事投资交易操作可能会发现，获得从AI实现正确的优势，同时，避免任何法规或合规性风险可能会被归结到开发系统能与训练数据的权利种类和数量输入。
根据Golladay和其他人工智能专家的说法，似乎有一些商业人工智能产品，它们的复杂程度各不相同，都是为贸易公司量身定制的。但是，重要的是要记住，人力资源投资可能对这些项目非常重要。
此外，我们认为，在短期内，最简单的研究和交易过程也有可能实现自动化。在一份关于金融交易的报告中，Kensho的首席执行官Daniel Nadler，报导援引了：
分析师，年轻的同事，副总裁 - 任何人，他们的工作是从一个电子表格中移动一列数据到另一个将实现自动化......那些人是不会有工作。
尽管自动化是投资公司可以通过使用人工智能软件获得的一种能力，但获得机器生成的见解可能是交易员的最大增值。金融业务领导者可以通过利用内部和外部数据来获得研究和交易建议，从而增强他们的交易员的能力。
不过，与单纯的自动化不同，能够访问大型训练数据集的人工智能系统可能会改进到能够识别长期模式的程度，比如针对波动性和非波动性交易环境的不同策略。
这篇文章是由CognitiveScale赞助，写，编辑，并与我们的透明发表在对齐Emerj赞助内容指南。了解更多关于到达我们的ai集中执行观众的信息Emerj广告页面。
图片来源:纽约邮报
