AI加强了对交易台的控制

 
根据行业分析公司格林威治协会(Greenwich Associates)主办的有关人工智能在交易台上使用的网络研讨会进行的在线调查，人工智能已经超越了在交易台上占据一席之地。
接近五分之二的受访者(42%)表示他们的公司已经在使用该技术进行交易。大约四分之一(27%)声称他们没有使用该技术，但正在调查其可能的用途。只有31%的受访者表示他们的公司没有使用这项技术。
观众没有引用AI的新颖性(9%)或缺乏内部专业知识(16%)作为采用最重要的障碍，而是将AI与现有系统集成(42%)。其他常见的准入门槛包括难以衡量投资回报率(20%)以及管理层缺乏买入(13%)。
Symphony客户服务执行副总裁兼网络研讨会小组成员之一Goutam Nadella指出，过去两年人工智能的采用率已大幅提升。
Symphony客户服务执行副总裁兼网络研讨会小组成员之一Goutam Nadella指出，过去两年技术的成熟已经大幅增长。
“即使两年前，公司也难以上手，”他说。 “大多数公司正在研究如何组织他们的数据来训练模型。”
人工智能学科，如自然语言处理，需要访问干净，准确的数据集。
“这是一个多维问题，但它可以通过拥有真实的数据集来解决，例如参考数据可以链接产品，以及在描述类似选项时理解交易术语，”同事小组成员Tejas Shastry表示，首席数据GreenKey Technologies的科学家。 “他们如何谈论执行价格?他们一直都在办理手续吗?他们是否决定通过添加关键字来缩短价格?通过这样做，你可以得到一个完整的视图。“
许多公司的共同问题是多种数据来源及其用于培训和操作其AI的不同结构。
RBC金普拉多
“这是我们最挣扎的地方，”RBC Capital Markets的CM客户，银行和数字渠道技术董事总经理兼全球负责人Kim Prado同意并参与了网络研讨会。 “我们可以使这项技术适用于任何数据集，但它是融入每个银行和买方公司的生态系统，使其变得复杂。”
然而，采用开源标准和不断发展的市场规则，如MiFID II，已经围绕与采用和实施相关的许多尖锐角落。
“人工智能将会更好，因为它有更多的结构化数据需要学习，这可以改善其结果，”格林威治协会市场结构和技术负责人理查德约翰逊表示。
普拉多告诫说，将数据汇总到数据湖或内存缓存是一个重要的步骤，但公司需要让数据所有者对其数据质量负责。
“如果你没有拥有其数据的业务，那几乎是无望的，”她说。 “例如，当您希望利用GreenKey获取CAT数据的第一个视图时，您需要用户决定我们在屏幕上显示的内容是否正确。我们不知道。“