金融服務業對數據分析並不陌生，但是在某些領域，主觀的、基於直覺的決策仍然屬於常態。
以股票資本市場(ECM)銀行家爲例，他們專門幫助客戶通過首次公開發行(IPO)等方式來籌集資金。傳統上，ECM銀行家主要依靠與投資者的關係以及他們在金融和行業領域的專業知識來確定最有可能參與即將到來的交易的投資者。而美國銀行正在試圖利用人工智能(AI)來顛覆這一傳統。
“當你審視金融服務和利用技術來推進金融服務時，可能並不是每一個業務線和每一個產品都像另一個一樣具有時代感，”美國銀行證券全球資本市場聯席主管Elif Bilgi Zapparoli表示。
她表示，企業的消費者端往往非常現代，因爲用戶基礎都在雲、互聯網或者移動設備上面。而在更注重企業的一面，技術落後，往往是因爲客戶本身就在技術曲線的落後面。
“即使你看看我們的業務部門，市場部也比銀行部更先進，因爲市場客戶(買方)已經首先‘電子化’幾十年了，”Zapparoli說。
美國銀行正致力於改變這一切。它從定量交易的進展中獲得了線索，比如使用市場信號來預測價格走勢，並在尋求將這些想法和技術應用到ECM業務當中。
“我們使用了相同的思維方式和方法，在很多情況下，也使用了相似的算法，當然我們的輸入是不同的，我們想要預測的也是不同的。但如果你願意的話，我們也想要預測這場比賽，”Zapparoli說。
預測交易的最佳投資者
在過去的兩年中，美國銀行的數據科學家和工程師就一直在創建預測智能分析機器(Predictive Intelligence Analytics Machine，簡稱PRIAM)，這是一個人工智能交易預測系統，它使用了監督機器學習算法網絡來了解ECM交易與投資者之間的關係趨勢。
美國銀行負責全球銀行和市場的首席信息官、企業風險與金融技術高管David Reilly表示，專家們收集、清理和組織了逾1.5億個數據點(既有公開數據，也有專有數據)來訓練人工智能模型。這些數據包括5萬多筆ECM歷史交易的信息、投資者數據和市場數據。
“我們正在把數據和分析技術帶到桌面上來，”Reilly說。“不是爲了取代任何東西，而是爲了補充我們的銀行合作伙伴所擁有的豐富關係和市場情報數據。”
Reilly解釋說，PRIAM現在可以通過基於股票發行細節、歷史交易參與、交易和客戶接觸點信息以及市場數據來預測交易的最佳投資者，從而幫助最大限度地擴大對ECM交易的需求。它可以在幾秒鐘內爲一千名投資者打分，識別“高信號”投資者的準確率超過了80%。該銀行的ECM銀行家將這種分析和見解納入了他們的戰略當中。
“這些數據讓我們能夠做出非常有針對性、非常獨一無二的宣傳，雖然單靠這些宣傳是不夠的，但作爲一項額外的資產，我們認爲它將使我們與衆不同，”Reilly說。“因爲我們可以足夠快地完成，所以我們可以更新模型，然後根據市場事件來再次運行它。”
數據和專業知識的結合
PRIAM的祕密武器是將數據和分析與傳統上主要依賴於銀行家關係和主題專業知識進行了結合，Reilly說。
“正是這種不斷更新的與數據和分析的深度結合，甚至是數十年的商業和市場經驗，才使得這款特定產品與衆不同，”他表示。
通過自動化，該項目爲美國銀行贏得了FutureEdge 50獎項，以表彰其對新興技術的應用。該項目幫助美國銀行節省了數百個小時的時間，而在此之前，該行需要進行手動的分析和收集零散數據。Reilly指出，通過提供近乎實時的更多信息，它也有可能幫助銀行的團隊革新其管理風險的方式。
Zapparoli說，其成功的關鍵在於內部合作--利用美國銀行集團內部的專業知識，從不同的角度來思考現有的業務。
“在建立PRIAM並對其進行更新的過程中，我們發現，這還需要銀行內部和外部的許多不同學科或小組的共同努力，來爲客戶真正的創造附加價值，”Zapparoli說。
來自銀行和市場的專業知識，以及從定量交易等領域收集到的機器學習和人工智能專業知識，都發揮了作用。
“在我看來，這就是它走上成功之路的原因所在，因爲我們沒有重新發明任何東西，”Zapparoli說。“我們只是說，‘好吧，如果這在市場上行得通，我們就從那裏開始吧，然後看看在其他方面的投入，以及哪些領域的專業知識會起作用。’”