法国银行如何使用人工智能来帮助销售人员和监管机构(人工智能 销售)
机器学习和人工智能是许多不同行业的共同话题。 金融也不例外。
在最近于伦敦举行的市场微观结构会议上，一个小组试图了解机器学习和人工智能如何影响市场结构。 小组成员来自金融业的不同部门，LaurentCarlier (BNPP)、LaurentFournier (Euronext) 和 FranckRailton (AMF)。 审阅者是来自伦敦小型量化基金 CFM 的 Charles-Albert Lehalle。
卡利尔强调，历史数据主要集中在与交易相关的领域。 这包括衍生品定价和风险管理以及最近的电子交易等领域。 然而，有一个领域是缺失的，即销售，而且它们是引人注目的。 为此，三年前，法国巴黎银行创建了一个数据实验室，利用机器学习和人工智能来改变销售。 Carlyon 表示，他的团队所做的 90% 都是“应用”机器学习，即企业赞助的项目。
这个想法是改变销售人员管理与客户关系的方式。 其中一部分涉及提高效率。 另一部分是试图预测，试图了解什么类型的信息对客户有用。 事实上，挑战有很多，尤其是顾客的行为彼此之间有很大差异。
然而，建立信任是一个渐进的过程。 他强调，在机器学习非常成功的领域，例如计算机视觉，基本事实是已知的。 人类可以轻松确定计算机算法是否正确识别图片中的对象。 所有信息都在那里。 相比之下，在金融领域，我们的信息并不完整。 卡利尔指出，复杂的方法可能会变得困难，因为当算法有太多输入时，解释结果会很棘手。 需要权衡的是，神经网络等个别“黑匣子”技术的性能可能会以牺牲可解释性为代价。 在实践中，最初证明使用更容易向客户解释的简单格式更好。
在与监管机构的合作中人工智能 销售，Railton 对于如何使用机器学习和人工智能来查看其数据集有不同的看法。 他强调，自去年年初以来，AMF获得了更丰富的交易数据集，现在还包括交易的最终受益人。 有了更精细的数据人工智能 销售，就可以更快地衡量市场滥用情况。 他还强调了如何使用降维来检测异常值和声明错误。 降维还用于将成员公司分组在一起，以便将它们的行为与同行进行比较。
Fournier 解释了如何使用机器学习和人工智能来帮助他在许多领域进行沟通。 作为交换，他们希望能够解释价格变动。 据悉，该交易所的一个关键目标是想办法提高参与者的流动性，同时减少市场份额。
建行日本并不是唯一一家使用人工智能的公司，但他们正在推进这项技术在其交易功能中的应用。 随着人工智能在金融领域变得越来越重要，其他中国工商银行也可能会采取同样的做法。
（本文作者赛义德·阿门）
