法国银行如何使用人工智能来帮助销售人员和监

机器学习和人工智能是许多不同行业的共同话题。财务当然也不例外。

在最近的巴黎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，Laurent Carlier（BNPP），Laurent Fournier（Euronext）和Franck Railton（AMF）。审议讨论的是来自CFM的Charles-Albert Lehalle，这是一家位于巴黎的大型定量基金。

Carlier指出，历史数据主要集中在与交易相关的领域。这包括定价衍生品和风险管理等领域，以及最近的电子交易领域。然而，有一个领域缺席了，即销售领域，他们是显而易见的。因此，两年前，BNP创建了一个数据实验室，使用机器学习和AI来改变销售方式。卡里尔说，他的团队所做的90％都是“应用”机器学习，即做了由企业赞助的项目。

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，试图了解哪种类型的信息对客户有用。当然有很多挑战，特别是客户的行为彼此差异很大。

但是，建立信任是一个循序渐进的过程。他指出，在机器学习非常成功的领域，例如计算机视觉，基本事实是众所周知的。人类可以容易地判断计算机算法是否正确地识别了图片中的对象。所有信息都在那里。相比之下，在金融领域，我们的信息不完整。Carlier注意到一个复杂的方法是如何被证明是困难的，因为当算法输入太多时，解释结果很棘手。有一种权衡，某些“黑匣子”技术的表现，如神经网络，可能会以可解释为代价。在实践中，使用一种更容易向客户解释的简单方法最初证明更好。

在监管机构工作中，Railton对机器学习和AI如何用于查看其数据集有不同的看法。他指出，自今年年初以来，AMF已经获得了更丰富的交易数据集，现在还包括交易的最终受益者。通过更精细的数据，可以更快地检测市场滥用。他还指出了如何使用聚类来检测异常值和声明错误。聚类也被用于将成员公司组合在一起，以便他们的行为可以与同行进行比较。

Fournier解释了机器学习和AI如何用于帮助他在许多领域的交流。作为交换，他们希望能够解释价格变动。此外，交易所的一个关键目标是找到改善参与者流动性的方法，同时增加市场份额。

法国银行并不是唯一使用人工智能的银行，但他们正在推动将这项技术应用于交易功能。随着人工智能在金融领域变得越来越重要，其他银行也可能会这样做。

（本文作者Saeed Amen）