在过去的两年中，美国银行的数据科学家和工程师就一直在创建预测智能分析机器，这是一个人工智能交易预测系统，它使用了监督机器学习算法网络来了解ECM交易与投资者之间的关系趋势。
金融服务业对数据分析并不陌生，但是在某些领域，主观的、基于直觉的决策仍然属于常态。
以股票资本市场(ECM)银行家为例，他们专门帮助客户通过首次公开发行(IPO)等方式来筹集资金。传统上，ECM银行家主要依靠与投资者的关系以及他们在金融和行业领域的专业知识来确定最有可能参与即将到来的交易的投资者。而美国银行正在试图利用人工智能(AI)来颠覆这一传统。
“当你审视金融服务和利用技术来推进金融服务时，可能并不是每一个业务线和每一个产品都像另一个一样具有时代感，”美国银行证券全球资本市场联席主管Elif Bilgi Zapparoli表示。
她表示，企业的消费者端往往非常现代，因为用户基础都在云、互联网或者移动设备上面。而在更注重企业的一面，技术落后，往往是因为客户本身就在技术曲线的落后面。
“即使你看看我们的业务部门，市场部也比银行部更先进，因为市场客户(买方)已经首先‘电子化’几十年了，”Zapparoli说。
美国银行正致力于改变这一切。它从定量交易的进展中获得了线索，比如使用市场信号来预测价格走势，并在寻求将这些想法和技术应用到ECM业务当中。
“我们使用了相同的思维方式和方法，在很多情况下，也使用了相似的算法，当然我们的输入是不同的，我们想要预测的也是不同的。但如果你愿意的话，我们也想要预测这场比赛，”Zapparoli说。
预测交易的最佳投资者
在过去的两年中，美国银行的数据科学家和工程师就一直在创建预测智能分析机器(Predictive Intelligence Analytics Machine，简称PRIAM)，这是一个人工智能交易预测系统，它使用了监督机器学习算法网络来了解ECM交易与投资者之间的关系趋势。
美国银行负责全球银行和市场的首席信息官、企业风险与金融技术高管David Reilly表示，专家们收集、清理和组织了逾1.5亿个数据点(既有公开数据，也有专有数据)来训练人工智能模型。这些数据包括5万多笔ECM历史交易的信息、投资者数据和市场数据。
“我们正在把数据和分析技术带到桌面上来，”Reilly说。“不是为了取代任何东西，而是为了补充我们的银行合作伙伴所拥有的丰富关系和市场情报数据。”
“这些数据让我们能够做出非常有针对性、非常独一无二的宣传，虽然单靠这些宣传是不够的，但作为一项额外的资产，我们认为它将使我们与众不同，”Reilly说。“因为我们可以足够快地完成，所以我们可以更新模型，然后根据市场事件来再次运行它。”
数据和专业知识的结合
PRIAM的秘密武器是将数据和分析与传统上主要依赖于银行家关系和主题专业知识进行了结合，Reilly说。
“正是这种不断更新的与数据和分析的深度结合，甚至是数十年的商业和市场经验，才使得这款特定产品与众不同，”他表示。
通过自动化，该项目为美国银行赢得了FutureEdge 50奖项，以表彰其对新兴技术的应用。该项目帮助美国银行节省了数百个小时的时间，而在此之前，该行需要进行手动的分析和收集零散数据。Reilly指出，通过提供近乎实时的更多信息，它也有可能帮助银行的团队革新其管理风险的方式。
Zapparoli说，其成功的关键在于内部合作--利用美国银行集团内部的专业知识，从不同的角度来思考现有的业务。
“在建立PRIAM并对其进行更新的过程中，我们发现，这还需要银行内部和外部的许多不同学科或小组的共同努力，来为客户真正的创造附加价值，”Zapparoli说。
来自银行和市场的专业知识，以及从定量交易等领域收集到的机器学习和人工智能专业知识，都发挥了作用。
“在我看来，这就是它走上成功之路的原因所在，因为我们没有重新发明任何东西，”Zapparoli说。“我们只是说，‘好吧，如果这在市场上行得通，我们就从那里开始吧，然后看看在其他方面的投入，以及哪些领域的专业知识会起作用。’”
