关于ML、AI和RPA技术在资产管理场景

十年前，科幻小说中的下一代智能技术正在进入投资管理领域。虽然技术长期以来一直是金融行业（包括资产管理行业）增长的强大推动力，但挑战在于它始终在不断发展。当然，今天仍然如此，也许比以往任何时候都更加如此。

企业必须不断评估“下一件大事”，并做出明智的技术决策。然而，围绕新技术解决方案的令人窒息的炒作和令人困惑的缩略语常常掩盖了提高效率和实际投资回报的机会。

我的公司不断使用这些技术来帮助在各种后台和中台操作中自动执行繁琐的数据密集型工作流程。但AI，ML和RPA的好处遍及所有市场。事实上，根据IDC的数据，全球人工智能系统的支出今年将增加到近358亿美元。但这些技术对资产管理运营意味着什么呢？

名词解释：机器学习 ML （Machine Learning ），人工智能AI（ Artificial Intelligence ）和机器人过程自动化 RPA （ Robotic Process Automation ）。

对投资运营的影响

技术工程师总会设想AI，ML和RPA变得越来越交织。总之，这些技术有可能改变投资运营和工作方式。数据和交易驱动的金融部门对智能自动化尤为成熟。麦肯锡公司的一项研究发现，截至2016年，“金融和保险劳动力总数的50％左右用于收集和处理数据。”该报告进一步得出结论，高达43％的活动融资工作人员花时间可以实现自动化，从而使他们能够专注于更高价值的任务。

公司将从这些不断发展的技术中受益。以下是他们如何申请投资公司的一些例子：

•反欺诈： 使用分析和算法来解释数据并预测结果，新技术可以通过经验和重复“学习”，在识别，分类和组织数据输入方面不断变得更加智能。这可以帮助投资者进行欺诈检测服务。例如，通过查看资金流入和流出的现金流，人工智能技术可以实时发现可疑活动，例如，当历史上从未提取超过10,000美元时，有人会提取100万美元。当机器学会识别异常或可疑的交易活动时，也可以简化合规性。

•交易： ML在投资行业取得了一些新闻，公司积极探索其在量化投资策略中的应用。随着系统学习基于历史数据优化交易执行，算法交易也继续通过ML发展。此外，人工智能驱动的自然语言处理（NLP）正被用于阅读银行贷款报表，以自动化手动纸质交易预订和结算流程。

• 风控： 人工智能正在实施风险管理的增强战略，这种战略依赖于对源自非传统信息资源的替代数据点的分析。替代数据有可能为投资公司提供竞争优势; 然而，看似随机性质的替代数据点是一个挑战。这些数据集可包括产品评论，地理位置数据，网站活动，社交帖子，卫星图像等。人工智能依赖于筛选这些大型数据集并识别有意义的连接。虽然有些公司会提供从替代数据中获得的这些预先包装的见解，

要在组织内有效地应用AI，ML和RPA，需要采用有针对性的方法来采用。企业应该首先选择一个他们想要改进的领域并在其中应用这项技术。对于领导者来说，采用这些工具获得组织支持也是至关重要的，确保整个组织的领导力与此战略保持一致，因为目标是最终扩大这些技术在多个部门的应用范围。

改变焦点

资产管理正处于巨大变化之中。近年来，新投资工具的快速增长以及企业投资组合中产品和资产组合的变化。传统和另类资产管理之间的界限继续模糊。公司面临监管复杂性增加，投资者期望变化以及减少或合理收费的持续压力。

通过增加和增加人才的有效性，AI，ML和RPA驱动的智能自动化有可能改变运营的组织结构。如果有效应用，这些技术可以将投资公司的运营模式转变为更多的“基于例外的工作流程”，使员工能够专注于更高价值的问题。人们可以花更多的时间来分析和采取行动，而不是处理数据，发现推动业务发展的新机会。