La sortie de ChatGPT et son incorporation par Bing ont conduit à une série de versions d'IA de haut niveau. Alors que le moment de précipitation de singularité de l'AGI (intelligence générale artificielle) n'est pas encore tout à fait arrivé, l'IA générative et ces chatbots de test de Turing vont certainement changer le paysage dans de nombreuses industries, y compris notre propre industrie de la finance et de l'investissement. 

Ici, nous examinons les domaines de la finance qui sont susceptibles d'être touchés, comment ils seront touchés, les risques associés et où nos propres produits entrent en jeu, que ces produits soient déjà sur le marché ou sur la feuille de route. 

Algorithmes de négociation

L'IA générative peut aider à développer des algorithmes de trading plus avancés en analysant de grands ensembles de données, en reconnaissant des modèles et en générant des prédictions ou des décisions pour tirer parti des inefficacités du marché. À quel point les premiers algorithmes de négociation ont affecté les marchés, cela pourrait entraîner une augmentation des stratégies de négociation à haute fréquence et de négociation algorithmique, ce qui pourrait avoir un impact sur la dynamique et la liquidité du marché. Une question est de savoir si l'IA générative exacerberait les plantages flash ou atténuerait leur gravité. 

Une autre question est la composition des "grands ensembles de données", et nous pensons que cela ira bien au-delà des entrées numériques pour inclure le contenu linguistique, d'autant plus que la psychologie du marché repose de manière significative sur les événements actuels. Nos propres données, c'est-à-dire les actualités et autres sources d'information textuelles, sont prêtes à constituer la base des recommandations de la NLU. Nous pourrions déjà pour certains de nos clients qui sont basés sur des algorithmes.

 

Gestion de portefeuille

Les outils basés sur l'IA peuvent optimiser les portefeuilles d'investissement en analysant les données historiques, en générant des prévisions et en recommandant des stratégies d'allocation d'actifs. L'IA générative peut également aider à identifier les actifs non corrélés pour améliorer la gestion des risques grâce à la diversification. Avec de grands ensembles de données, cette identification peut être particulièrement délicate, en particulier pour les investisseurs particuliers et à domicile qui n'ont pas d'équipe pour les aider à trouver des corrélations. La partie "générative" transformerait les modèles occultés en un langage actionnable par l'homme pour informer les humains que deux actifs constitueraient une excellente paire de diversification.

 

Analyse et recherche financière

L'IA générative peut traiter de grandes quantités d'informations, y compris des états financiers, des articles de presse et des rapports économiques, pour générer des informations et des recommandations pour les investisseurs. Cela pourrait conduire à une approche plus axée sur les données pour la recherche d'investissement et la prise de décision, même pour les investisseurs traditionnels qui s'appuyaient principalement sur «l'instinct» et l'intuition pour prendre la décision finale d'appuyer sur la gâchette de ce gros investissement.

Étant donné que nos produits sont fortement axés sur l'analyse et la recherche financières, nous voyons ici deux mises en garde majeures sur lesquelles nos produits pourraient être améliorés : les "hallucinations" de l'IA et la cartographie des sources. Comme Microsoft a montré de manière embarrassante lors d'une démonstration, l'IA générative pourrait bien être à la hauteur de son nom et générer des sorties complètement fausses basées sur des données sorties de l'éther. Celles-ci sont parfois appelées hallucinations. 

De plus, comme l'exactitude est primordiale dans la prise de décision et la recherche financières, il est essentiel d'avoir accès aux sources originales. Avec CityFALCON, les utilisateurs peuvent toujours trouver les articles originaux ou les dépôts de l'entreprise ou tout autre matériel source pour effectuer une vérification finale de l'intégrité des données. Dans notre industrie, la précision est presque aussi importante que la possession de données.

 

Analyse des sentiments

Un autre domaine dans lequel nous avons déjà un produit utilisable est l'analyse des sentiments. L'IA basée sur la PNL peut analyser de grands volumes de données textuelles, telles que des articles de presse, des publications sur les réseaux sociaux et des appels de revenus, pour évaluer le sentiment de ces sources. Notre analyse des sentiments est appliqué à des articles individuels (et en fait au niveau de la clause), et les données résultantes sont mappées sur des sujets et des groupes de sujets (même agrégées au niveau national). 

Notre approche utilise des méthodes supervisées pour garantir que les algorithmes restent sur la bonne voie, et nous pouvons contrôler la perspective : un problème avec les approches non supervisées et/ou externalisées ici est que différentes personnes auront des sentiments différents pour le même événement - c'est inévitable lorsque vous avez acheteurs et vendeurs de part et d'autre.

De plus, en raison de cette dichotomie achat/vente, nous ne donnons pas de recommandation d'achat/vente mais un sentiment positif/négatif pour l'article ou le sujet. Nous pensons que cette approche est la plus logique pour nos utilisateurs, qui peuvent être du côté achat ou vente de toute transaction.  

 

Robo-conseillers et finances personnelles

L'IA générative peut alimenter les plateformes de conseil robotique, en fournissant des conseils financiers personnalisés et des services de gestion des investissements aux investisseurs de détail à un coût inférieur à celui des conseillers humains traditionnels. Les services de conseil robotique sont sur le marché depuis un certain temps maintenant, et il est très probable qu'ils augmenteront leurs approches actuelles à chaque nouvelle itération de la technologie de l'IA. Ils ont également besoin des données pour les conseiller, dont certaines peuvent être des actualités, des documents déposés et des rapports d'entreprise, que nous pourrions fournir via notre API - un magnifique réseau automatisé de flux de données.

 

Gestion des risques

Avec sa force principale d'analyser de grandes quantités de données (le motif s'est-il déjà établi ?), Les modèles d'IA peuvent aider à évaluer et à gérer les risques plus efficacement en identifiant les modèles et en prédisant les pertes ou les défauts potentiels. Bien sûr, ce domaine est mûr pour la discrimination algorithmique et les réglementations contrôleront très probablement étroitement la manière dont les algorithmes peuvent être utilisés - un jour, car jusqu'à présent, les gouvernements ont été très en retard dans la réglementation des nouvelles technologies. La diversification susmentionnée pourrait être la gestion des risques pour les individus (et même les équipes internes de l'entreprise), basée sur les chiffres et informations textuelles traitées via NLU.

 

Conformité réglementaire

L'IA générative peut aider les institutions financières à automatiser les tâches de conformité, telles que les rapports, sur la base des formulaires et des structures que ces institutions ont déjà en place. Regtech est un espace populaire pour les startups et nous nous attendons à ce que ce domaine ne fasse que croître. Ceci est tangentiel pour nous, mais nous pourrions aider à fournir certains des rapports et des nouvelles pour compléter les données existantes utilisées par les regtechs.

 

CHATBOTS

Un type spécifique d'IA générative (actuellement très en vogue), les chatbots, peut jouer un rôle précieux sur les marchés financiers grâce à une multitude d'applications.

 

Service client

Les chatbots peuvent gérer les demandes courantes des clients et les tâches d'assistance, telles que la vérification du solde du compte, l'historique des transactions et la réinitialisation des mots de passe. Mettre tout cela au même endroit et accessible en une seule phrase est la véritable valeur ajoutée, puisque même les banques de la vieille école l'ont automatisé d'une manière ou d'une autre d'ici 2023. 

Pour notre propre chatbot, les utilisateurs pouvaient vérifier le sentiment de leur liste de surveillance, trouver les prix de leurs actifs surveillés, afficher des tableaux de mesures financières et demander le documents sources originaux le tout dans une seule fenêtre. Avec un composant vocal, cela pourrait devenir aussi simple que de parler. Non seulement cela améliore l'expérience utilisateur, mais cela pourrait aider les utilisateurs à transformer les informations en connaissances d'une nouvelle manière et à éclairer des idées d'investissement jusque-là cachées.

 

Éducation financière

Une partie de la mission de CityFALCON est d'éduquer les utilisateurs sur les marchés financiers. Notre blog peut le faire pour des sujets plus complexes, et le chatbot CItyFALCON pourrait en outre fournir des informations sur les produits, les stratégies d'investissement et les tendances du marché. Cela peut contribuer à accroître la littératie financière et permettre aux utilisateurs de prendre des décisions éclairées concernant leurs investissements. Bien sûr, un risque majeur réside dans les mauvaises recommandations, et nous presserons toujours les utilisateurs de vérifier leurs stratégies - nous ne passons pas du NLP et du NLU au robo-advising simplement parce que nous avons un chatbot.

 

Conseils personnalisés

Bien que nous ne fassions pas actuellement de recommandations, d'autres entreprises peuvent utiliser des chatbots pour offrir des conseils financiers personnalisés en fonction des objectifs financiers, de la tolérance au risque et des préférences d'investissement d'un utilisateur. En tirant parti des algorithmes basés sur l'IA, les chatbots peuvent recommander des stratégies d'investissement sur mesure, aidant les utilisateurs à construire et à gérer leurs portefeuilles plus efficacement. Cela serait particulièrement utile pour les robots-conseillers pour expliquer l'allocation d'actifs et recevoir des commentaires en temps réel de leurs utilisateurs, un potentiel intrigant pour les boucles de rétroaction basées sur NLU de chatbot à utilisateur et retour.

 

Actualités et analyses du marché

A l'inverse, nous sont dans le but de fournir aux utilisateurs des nouvelles, des mises à jour et des analyses du marché en temps réel. Les utilisateurs peuvent recevoir des informations pertinentes sur les actions, les obligations ou d'autres instruments financiers directement dans le chatbot. Nous envisageons notre chatbot permettant à un utilisateur d'interagir avec notre plate-forme et toutes les données qu'elle contient telles qu'elles existent déjà, ce qui signifie non seulement des nouvelles mais documents d'entreprise, le sentiment et même des éléments tels que les actifs de tendance peuvent être compris dans le chatbot CityFALCON.

 

Négociation et exécution

À un moment donné, nous pouvons intégrer des courtiers pour permettre le trading à partir de CityFALCON, et notre chatbot pourrait permettre aux utilisateurs d'exécuter des transactions directement via l'interface de chat. Bien sûr, les courtiers sont très susceptibles d'avoir leurs propres chatbots qui aideront également les utilisateurs à cet égard. Le traitement NLU des entrées des utilisateurs serait ici absolument critique, car les échanges de gros doigts basés sur le chatbot seraient catastrophiques pour la réputation des courtiers.

 

RISQUES ET CONTRE-MESURES

Alors que l'IA générative et les chatbots offrent plusieurs avantages potentiels, des risques majeurs subsistent et de nouveaux sont susceptibles d'apparaître. Il s'agit notamment des préoccupations concernant la confidentialité des données (dont les données sont utilisées comme source et vont-elles fuir ?), Les biais algorithmiques et la discrimination, la violation du droit d'auteur et le crédit volé, la volatilité accrue du marché (surtout si ces crashs flash s'aggravent) et le potentiel d'IA- généré des manipulations de marché. De plus, à mesure que les systèmes d'IA progressent, le paysage réglementaire devra s'adapter pour relever ces défis émergents et le faire dans un environnement de changement accéléré.

Un autre sujet de préoccupation concerne les utilisateurs inconditionnels, qui peuvent commencer à accepter toutes les réponses de chatbot comme infaillibles. (Un problème distinct serait le manque total de confiance en raison de manquements et d'hallucinations très médiatisés). Cela augmente considérablement les enjeux pour quiconque met en œuvre un chatbot dans l'espace financier. Imaginez le cauchemar juridique pour l'entreprise dont le chatbot dit "acheter des actions S au prix P" et toute une série d'investisseurs particuliers se font brûler. Un petit avertissement "ceci est uniquement à des fins éducatives" peut ne pas satisfaire les tribunaux si le message clair de l'entreprise est "u. C'est l'une des principales raisons pour lesquelles nous adoptons une approche d'apprentissage supervisé, même si les efforts sont plus importants que les approches non supervisées et que nous ne formulons pas de recommandations, mais la base d'informations pour prendre de telles décisions.

L'approche supervisée nous permettra également de rectifier les biais plus tôt, car nous pouvons être vigilants et recycler les modèles chaque fois que des biais peuvent commencer à s'infiltrer. Cela garantirait que nous restons conformes à toute réglementation susceptible d'affecter notre partie de l'industrie (qui est, pour être clair, beaucoup moins réglementé que ceux qui traitent des paiements, des transactions et des flux de capitaux réels).

Dans l'ensemble, l'IA générative, les applications NLU et les chatbots ont le potentiel d'améliorer les expériences utilisateur, de rationaliser les opérations et d'améliorer la diffusion de contenu financier pour les utilisateurs, qu'ils soient d'entreprise ou de détail. Ils sont également susceptibles de poser de nombreux défis aux régulateurs et à ceux qui mettent en œuvre les technologies, et nous sommes prêts non seulement à fournir les services demandés, mais également à atténuer les risques grâce à un apprentissage supervisé et à être conscients de ces risques dès le départ.