Die Veröffentlichung von ChatGPT und Bings Integration hat zu einer Reihe hochkarätiger KI-Veröffentlichungen geführt. Während der Moment der AGI (künstliche allgemeine Intelligenz), der die Singularität auslöst, noch nicht ganz da ist, werden die generative KI und diese Chatbots, die den Turing-Test bestehen, sicherlich die Landschaft in vielen Branchen verändern, einschließlich unserer eigenen Finanz- und Investitionsbranche. 

Hier sehen wir uns Bereiche im Finanzwesen an, die wahrscheinlich betroffen sind, wie sie betroffen sein werden, welche Risiken damit verbunden sind und wo unsere eigenen Produkte ins Spiel kommen, ob diese Produkte bereits auf dem Markt oder auf der Roadmap sind. 

Handelsalgorithmen

Generative KI kann helfen, fortschrittlichere Handelsalgorithmen zu entwickeln, indem sie große Datensätze analysiert, Muster erkennt und Vorhersagen oder Entscheidungen trifft, um Marktineffizienzen zu nutzen. So wie frühe Handelsalgorithmen die Märkte beeinflussten, könnte dies zu einem verstärkten Hochfrequenzhandel und algorithmischen Handelsstrategien führen, was sich möglicherweise auf die Marktdynamik und Liquidität auswirken könnte. Eine Frage ist, ob die generative KI Flash-Crashs verschlimmern oder ihre Schwere mildern würde. 

Eine weitere Frage ist die Zusammensetzung der „großen Datensätze“, und wir glauben, dass dies weit über numerische Eingaben hinausgehen wird, um sprachliche Inhalte einzubeziehen, zumal die Marktpsychologie stark von aktuellen Ereignissen abhängt. Unsere eigenen Daten, dh Nachrichten und andere Informationsquellen in Textform, sind bereit, die Grundlage für NLU-gesteuerte Empfehlungen zu bilden. Wir könnten dies bereits für einige unserer Kunden tun, die Algo-basiert sind.

 

Portfolio-Management

KI-gesteuerte Tools können Anlageportfolios optimieren, indem sie historische Daten analysieren, Vorhersagen erstellen und Strategien zur Vermögensallokation empfehlen. Generative KI kann auch dabei helfen, unkorrelierte Vermögenswerte zu identifizieren, um das Risikomanagement durch Diversifizierung zu verbessern. Bei großen Datensätzen kann diese Identifizierung besonders schwierig sein, insbesondere für Privatanleger und Privatanleger, die kein Team haben, das ihnen hilft, Korrelationen zu finden. Der „generative“ Teil würde die verdeckten Muster in eine vom Menschen umsetzbare Sprache umwandeln, um die Menschen darüber zu informieren, dass zwei Vermögenswerte ein großartiges Diversifikationspaar wären.

 

Finanzanalyse und -recherche

Generative KI kann riesige Mengen an Informationen verarbeiten, darunter Jahresabschlüsse, Nachrichtenartikel und Wirtschaftsberichte, um Erkenntnisse und Empfehlungen für Investoren zu generieren. Dies könnte zu einem stärker datengesteuerten Ansatz für Investment-Research und Entscheidungsfindung führen, selbst für traditionelle Anleger, die sich bei der endgültigen Entscheidung, diese große Investition zu tätigen, hauptsächlich auf „Bauchgefühl“ und Intuition verlassen haben.

Da unsere Produkte stark auf Finanzanalysen und -forschung ausgerichtet sind, sehen wir hier zwei große Vorbehalte, die unsere Produkte verbessern könnten: KI-„Halluzinationen“ und Quellenkartierung. Als Microsoft zeigte sich während einer Demonstration peinlich, Generative AI kann ihrem Namen alle Ehre machen und auf der Grundlage von aus dem Ether gezauberten Daten völlig falsche Ausgaben erzeugen. Diese werden manchmal als Halluzinationen bezeichnet. 

Da Genauigkeit bei finanziellen Entscheidungen und Recherchen von größter Bedeutung ist, ist der Zugang zu Originalquellen von entscheidender Bedeutung. Mit CityFALCON können Benutzer immer die Originalartikel oder Unternehmensunterlagen oder anderes Quellenmaterial finden, um eine endgültige Überprüfung der Datenintegrität vorzunehmen. In unserer Branche ist Genauigkeit fast so wichtig wie überhaupt Daten zu haben.

 

Stimmungsanalyse

Ein weiterer Bereich, in dem wir bereits ein brauchbares Produkt haben, ist die Stimmungsanalyse. NLP-basierte KI kann große Mengen an Textdaten wie Nachrichtenartikel, Social-Media-Beiträge und Gewinnaufrufe analysieren, um die Stimmung dieser Quellen einzuschätzen. Unsere Stimmungsanalyse wird auf einzelne Artikel (und tatsächlich auf Abschnittsebene) angewendet, und die resultierenden Daten werden Themen und Themengruppen (sogar auf Länderebene aggregiert). 

Unser Ansatz verwendet überwachte Methoden, um sicherzustellen, dass die Algorithmen auf Kurs bleiben, und wir können die Perspektive kontrollieren: Ein Problem bei unüberwachten und/oder Crowdsourcing-Ansätzen besteht darin, dass verschiedene Personen unterschiedliche Gefühle für dasselbe Ereignis haben – das ist unvermeidlich, wenn Sie es haben Käufer und Verkäufer auf gegenüberliegenden Seiten.

Darüber hinaus geben wir aufgrund dieser Kauf-/Verkaufs-Dichotomie keine Kauf-/Verkaufsempfehlung ab, sondern eine positive/negative Stimmung für den Artikel oder das Thema. Wir glauben, dass dieser Ansatz für unsere Benutzer am sinnvollsten ist, die auf der Kauf- oder Verkaufsseite einer Transaktion stehen können.  

 

Robo-Berater und persönliche Finanzen

Generative KI kann Robo-Advisory-Plattformen unterstützen und Privatanlegern personalisierte Finanzberatungs- und Anlageverwaltungsdienste zu geringeren Kosten als herkömmliche menschliche Berater bieten. Robo-Beratungsdienste sind schon seit einiger Zeit auf dem Markt, und es ist sehr wahrscheinlich, dass sie ihre derzeitigen Ansätze mit jeder neuen Iteration der KI-Technologie erweitern werden. Sie benötigen auch die Daten für die Beratung, von denen einige Nachrichten, Einreichungen und Unternehmensberichte sein könnten, die wir über unsere API bereitstellen könnten – ein wunderschönes automatisiertes Netz von Datenflüssen.

 

Risikomanagement

Mit ihrer Kernkompetenz, große Datenmengen zu analysieren (hat sich das Motiv schon etabliert?), können KI-Modelle dabei helfen, Risiken effektiver zu bewerten und zu managen, indem sie Muster erkennen und potenzielle Verluste oder Ausfälle vorhersagen. Natürlich ist dieser Bereich reif für algorithmische Diskriminierung, und Vorschriften werden sehr wahrscheinlich streng kontrollieren, wie Algorithmen verwendet werden können – eines Tages, da die Regierungen bei der Regulierung neuer Technologien bisher weit hinter der Kurve zurückgeblieben sind. Die oben erwähnte Diversifizierung könnte basierend auf Zahlen ein Risikomanagement für Einzelpersonen (und sogar interne Unternehmensteams) sein und Textinformationen, die durch NLU verarbeitet werden.

 

Einhaltung gesetzlicher Vorschriften

Generative KI kann Finanzinstituten helfen, Compliance-Aufgaben wie die Berichterstattung auf der Grundlage der Formulare und Strukturen zu automatisieren, über die diese Institute bereits verfügen. Regtech ist ein beliebter Raum für Startups und wir gehen davon aus, dass dieser Bereich nur noch wachsen wird. Dies ist für uns nebensächlich, aber wir könnten helfen, einige der Berichte und Neuigkeiten bereitzustellen, um die vorhandenen Daten zu ergänzen, die RegTechs verwenden.

 

CHATBOTS

Eine bestimmte Art von (derzeit stark gehypter) generativer KI, Chatbots, kann durch eine Vielzahl von Anwendungen eine wertvolle Rolle auf den Finanzmärkten spielen.

 

Kundendienst

Chatbots können routinemäßige Kundenanfragen und Supportaufgaben wie Kontostandsprüfungen, Transaktionsverlauf und Passwortzurücksetzungen erledigen. All dies an einem Ort und durch einen einzigen Satz zugänglich zu machen, ist der wahre Mehrwert, da sogar Banken der alten Schule dies bis 2023 auf die eine oder andere Weise automatisiert haben. 

Für unseren eigenen Chatbot konnten Benutzer ihre Watchlist-Stimmung überprüfen, Preise für ihre beobachteten Assets finden, Tabellen mit Finanzkennzahlen abrufen und die anfordern originale Quellenangaben alles in einem einzigen Fenster. Mit einer Sprachkomponente könnte dies so einfach wie Sprechen werden. Dies verbessert nicht nur die Benutzererfahrung, sondern könnte den Benutzern helfen, Informationen auf neue Weise zu Wissen zu verarbeiten und bisher verborgene Anlageideen zu beleuchten.

 

Finanzielle Bildung

Ein Teil der Mission von CityFALCON besteht darin, Benutzer über die Finanzmärkte aufzuklären. Unser Blog kann dies für komplexere Themen tun, und der CItyFALCON-Chatbot könnte weitere Informationen zu Produkten, Anlagestrategien und Markttrends liefern. Dies kann dazu beitragen, die Finanzkompetenz zu verbessern und die Benutzer in die Lage zu versetzen, fundierte Entscheidungen über ihre Investitionen zu treffen. Natürlich sind schlechte Empfehlungen ein großes Risiko, und wir werden die Benutzer immer dazu drängen, ihre Strategien zu überprüfen – wir wechseln nicht von NLP und NLU zu Robo-Advising, nur weil wir einen Chatbot haben.

 

Persönliche Beratung

Obwohl wir derzeit keine Empfehlungen aussprechen, können andere Unternehmen Chatbots verwenden, um personalisierte Finanzberatung basierend auf den finanziellen Zielen, der Risikotoleranz und den Anlagepräferenzen eines Benutzers anzubieten. Durch die Nutzung von KI-gesteuerten Algorithmen können Chatbots maßgeschneiderte Anlagestrategien empfehlen und den Benutzern helfen, ihre Portfolios effektiver aufzubauen und zu verwalten. Dies wäre besonders nützlich für Robo-Berater, um die Vermögensallokation zu erklären und Echtzeit-Feedback von ihren Benutzern zu erhalten, ein faszinierendes Potenzial für NLU-basierte Feedback-Schleifen vom Chatbot zum Benutzer und zurück.

 

Marktnachrichten und Analysen

Umgekehrt wir sind im Geschäft der Bereitstellung von Echtzeit-Marktnachrichten, -Updates und -Analysen für Benutzer. Benutzer können direkt im Chatbot relevante Informationen zu Aktien, Anleihen oder anderen Finanzinstrumenten erhalten. Wir stellen uns vor, dass unser Chatbot es einem Benutzer ermöglicht, mit unserer Plattform und allen darin enthaltenen Daten zu interagieren, da sie bereits vorhanden sind, was nicht nur Nachrichten, sondern auch bedeutet Unternehmensunterlagen, Stimmung und sogar Elemente wie Trending-Assets können innerhalb des CityFALCON-Chatbots verstanden werden.

 

Handel und Ausführung

Irgendwann könnten wir uns mit Brokern integrieren, um den Handel von CityFALCON zu ermöglichen, und unser Chatbot könnte es Benutzern ermöglichen, Trades direkt über die Chat-Oberfläche auszuführen. Natürlich haben Broker sehr wahrscheinlich ihre eigenen Chatbots, die die Benutzer auch in dieser Hinsicht unterstützen. Die NLU-Verarbeitung von Benutzereingaben wäre hier absolut kritisch, da Chatbot-basierte Fat-Finger-Trades für den Ruf des Brokers katastrophal wären.

 

RISIKEN UND GEGENMASSNAHMEN

Während generative KI und Chatbots mehrere potenzielle Vorteile bieten, bleiben große Risiken bestehen und es werden wahrscheinlich neue hinzukommen. Dazu gehören Bedenken hinsichtlich des Datenschutzes (wessen Daten werden als Quelle verwendet und werden sie durchsickern?), algorithmische Voreingenommenheit und Diskriminierung, Urheberrechtsverletzungen und gestohlene Kredite, erhöhte Marktvolatilität (insbesondere wenn sich diese Flash-Crashs verschlimmern) und das Potenzial für KI- erzeugte Marktmanipulation. Da KI-Systeme weiter voranschreiten, muss sich die regulatorische Landschaft anpassen, um diese neuen Herausforderungen zu bewältigen, und dies in einem Umfeld beschleunigter Veränderungen.

Ein weiterer Bereich, der Anlass zur Sorge gibt, sind fraglose Benutzer, die anfangen könnten, alle Chatbot-Antworten als unfehlbar zu akzeptieren. (Ein separates Problem wäre ein völliger Mangel an Vertrauen aufgrund von hochkarätigen Fehlschüssen und Halluzinationen). Dies erhöht den Einsatz für alle, die einen Chatbot im Finanzbereich implementieren. Stellen Sie sich den rechtlichen Alptraum für das Unternehmen vor, dessen Chatbot sagt „Aktie S zum Preis P kaufen“ und eine ganze Reihe von Kleinanlegern verbrennen. Ein kleiner Haftungsausschluss „Dies dient nur zu Bildungszwecken“ kann die Gerichte nicht zufrieden stellen, wenn die klare Unternehmensbotschaft „u. Dies ist ein wesentlicher Grund, warum wir einen überwachten Lernansatz verfolgen, auch wenn der Aufwand höher ist als bei unüberwachten Ansätzen und wir keine Empfehlungen geben, sondern die Informationsgrundlage für solche Entscheidungen.

Der überwachte Ansatz wird es uns auch ermöglichen, Verzerrungen früher zu korrigieren, da wir darauf achten und die Modelle neu trainieren können, wenn sich Verzerrungen einschleichen. Dies würde sicherstellen, dass wir alle Vorschriften einhalten, die unseren Teil der Branche betreffen könnten (die ist, um es klarzustellen, weitaus weniger reguliert als diejenigen, die sich mit tatsächlichen Zahlungen, Transaktionen und Kapitalflüssen befassen).

Insgesamt haben generative KI, NLU-Anwendungen und Chatbots das Potenzial, die Benutzererfahrung zu verbessern, Abläufe zu rationalisieren und die Bereitstellung von Finanzinhalten für Benutzer zu verbessern, entweder in Unternehmen oder im Einzelhandel. Sie werden wahrscheinlich auch Regulierungsbehörden und diejenigen, die die Technologien implementieren, vor viele Herausforderungen stellen, und wir sind bereit, nicht nur die geforderten Dienste bereitzustellen, sondern auch Risiken durch überwachtes Lernen zu mindern und uns dieser Risiken von Anfang an bewusst zu sein.