機器學習與人工智慧正協助BoA的銀行家們更準確地找到首次公開發行股票(IPO)的投資人。
文／Thor Olavsrud 譯／張皓維
金融服務部門對資料分析並不陌生，然而這個產業的大宗，依然是主觀，靠著直覺與勇氣的決策方式。
舉股權資本市場（equity capital markets, ECM）的銀行家為例，他們長於協助顧客從IPO或類似方式募得資金。傳統上，ECM銀行家仰賴與投資人的關係，他們對財務與產業景況的專業，來找出最可能參與接下來這筆交易的投資人。美國銀行（Bank of America, BoA）正打算打破這項傳統，採用人工智慧協助。
根據 Elif Bilgi Zapparoli，美國銀行證券（Bank of America Securities）的全球資本市場共同總裁的說法，「當你的標的是金融服務，利用科技來提升服務品質時，並非每個產業、每個商品都已臻現代化。」
[ 下載 2020-21 CIO大調查報告，掌握最新企業IT導入趨勢 ]
商業趨勢中的消費者端很現代，她說，因為使用者端均是雲端、網路或行動模式。但在更企業基礎的這一端，科技是落後的，多半因為顧客自身在科技曲線上就是較落後的一端。
Zapparoli說，「即使你只看我們這個產業，市場端比起銀行端要先進多了，因為市場客戶，買方 (buy side) 距今已經『電子化』數十年了，」
BoA的目標是做出改變。從交易量的資料上取得線索，就像是利用市場訊號來預測價格移動一樣，嘗試將這些想法與科技應用到股權資本市場上。
Zapparoli說，「我們採用雷同的想法與方法，在很多情況下，甚至是類似的演算法；當然投入的參數不同，想要預測的結果也不同。如果可以，我們想要預測的是撮合。」
為交易預測最適合的投資人
過去兩年來，BoA的資料科學家及工程師致力創建「預測智慧分析機器」 (Predictive Intelligence Analytics Machine, PRIAM)，一項透過監督式機器學習演算法網路，來了解ECM交易與投資人間關係趨勢的AI交易預測系統。
BoA全球銀行與市場CIO暨企業風險與金融科技總裁 David Reilly 說明，專家們蒐集、清洗並整理了超過一億五千萬筆數據點，包括公開可取得的與私有資料，來訓練AI模型。資料包括超過五萬筆的歷史ECM交易、投資人以及市場數據。
「我們將資料與分析帶上檯面，」Reilly說明。「並非要取代任何現有的作法，但能夠補充銀行夥伴的豐厚關係以及市場智慧資料，當他們正忙於其他工作時。」
[CIO都在讀： 運用技術路線圖做好管理數位轉型的計畫 ]
Reilly解釋PRIAM現在透過預測交易的最適投資人來協助極大化ECM交易需求，基於股權發行細節、歷史交易參與、交易與顧客接觸點資訊以及市場資料。能在數秒間將一千名投資人評分，找出「最可能」的投資人訊號，精確度超過八成。ECM銀行家們將這些分析與結果內化於他們的策略裡。
「這項資料讓我們能得到非常目標化的結果，僅透過其自身可能依然不足，但做為一項額外添加的資產，我們有信心能做到差異化，」Reilly說，「因為我們能如此快速得到結果，現在我們就能夠不斷更新模型，並基於市場事件重新再跑一次結果。」
資料與專業的融合
PRIAM的秘訣是將資料分析，以及傳統上大幅仰賴的銀行家關係與主觀事件專業一齊考量，Reilly說明。
「這樣底蘊深厚，數十年價值的商業與市場經驗，融合了能夠持續更新的資料與分析數據，讓這個特別的產品更顯不凡，」他說。
透過自動化，這項專案為BoA贏得了 FutureEdge 50 新興科技應用獎項；它幫助了銀行省下數百小時的人工分析與資料整理。Reilly提到它也具有協助銀行聯貸團隊的潛力，藉著提供更即時的資訊來協助風險管理的革命性變革。
[ 加入 CIO Taiwan 官方LINE，與全球CIO同步獲取精華見解 ]
Zapparoli提到成功的關鍵是內部合作──利用整個BoA集團中的專家知識來對既有的業務提出不同的想法。
「在組建PRIAM與逐步更新它時，我們發現需要數個不同的部門或團隊，銀行內部與銀行外部，一起工作來確實創造一個有附加價值的客戶提案，」Zapparoli說。
來自銀行與市場的專家知識，以及從數量交易中，基於機器學習與AI專業蒐集而來的資訊，都扮演了重要角色。
「我的看法是，這就是它最後能夠成功的原因，因為我們沒有額外重新創造任何事，」Zapparoli說，「我們僅只是這樣做，『好，如果這在市場上可行，我們開始檢視哪些專業知識可以鑑別出其他可以被考慮的投入變數。』」
（本文授權非營利轉載，請註明出處：CIO Taiwan）
