Данные — это будущее управления активами, но здесь есть одна загвоздка

Данные — это будущее управления активами, но здесь есть одна загвоздка

Отметка времени: 9 ноября 2023 г., 8:23
Данные — это будущее управления активами: но они имеют подвох PlatoBlockchain Data Intelligence. Вертикальный поиск. Ай.

Независимо от отрасли, искусственный интеллект и машинное обучение сейчас в моде, и управление активами не является исключением. Предполагается, что к 2027 году около 16% управляющих активами будут

исчезать из-за смены парадигмы технологических достижений и ожиданий инвесторов. Технологии искусственного интеллекта и машинного обучения используются в различных аспектах финансовой индустрии. Все дело в принятии подхода, основанного на данных, вместо традиционного способа управления активами, который использовался на протяжении многих десятилетий.

Нет сомнений в том, что инструменты искусственного интеллекта и большие данные могут положительно повлиять на управление активами и сделать его более эффективным. Но это определенно не решение всех ваших проблем с управлением активами. Начнем с того, что данные по-прежнему рассматриваются как сырьевой материал, который может помочь в принятии решений. Это еще не актив или стратегический инструмент, который четко связан с желаемым результатом. Чтобы по-настоящему интегрировать подход, основанный на данных, в управление активами, компаниям необходимо копнуть глубже и искать способы повсеместного использования данных.

Сами по себе инструменты не могут выполнить работу

Одна из самых больших проблем автоматизации задач и процессов заключается в том, что большинство компаний склонны принимать эти решения в вакууме. Это классический пример «следования за стадом». Внедрение автоматизации только потому, что это делают все остальные, не даст вам конкурентного преимущества. На самом деле, это может привести к большему количеству проблем, чем можно себе представить. 

Сектор управления активами на протяжении десятилетий придерживался определенного стиля работы, где рыночные показатели были крупнейшим источником дохода. Чтобы перейти к полностью управляемому данными подходу, важно иметь квалифицированный персонал, который знает, как эффективно использовать эти данные и интегрировать их в существующие системы.

Вместо того, чтобы использовать инструменты искусственного интеллекта и машинного обучения просто ради этого, компаниям по управлению активами необходимо использовать научный подход для создания соответствующей стратегии. Научная база должна стать основой для выявления рыночных тенденций и оценки потребностей клиентов. Инструменты всегда можно создать на основе таких гипотез и выводов, но необходимы квалифицированные команды, которые смогут ориентироваться в этих инструментах и ​​соответственно импровизировать. В конце концов, если команды, использующие эти инструменты, не осознают их масштабов, вся цель улучшения системы управления активами окажется неэффективной. Это подводит нас к следующему пункту — человеческому фактору.

Необходимо человеческое отношение

Синергия человеческого опыта и научного подхода — идеальный рецепт для эффективного внедрения искусственного интеллекта и машинного обучения в секторе управления активами. Управление активами часто предполагает принятие сложных решений, выходящих за рамки количественного анализа данных и может потребовать рассмотрения качественных факторов, понимания динамики рынка и интерпретации геополитических и экономических событий. 

Хотя такие инструменты, как ChatGPT, могут быстро дать ряд результатов, они не соответствуют эффективному человеческому подходу или знаниям опытных профессионалов. Это особенно примечательно, учитывая ограниченность знаний этого инструмента ИИ, тем не менее «замороженные» в 2021 году и не может предоставить актуальную информацию. Базовые принципы и структура финансового сектора остаются неизменными в течение длительного времени и, вероятно, останутся такими же и в ближайшем будущем. Человеческий подход опытных управляющих активами обеспечит индивидуальное обслуживание и сохранит прибыль клиентов.

Небольшие данные не следует игнорировать

Поскольку большие данные привлекают всеобщее внимание в контексте технологических достижений, важно помнить о важности малых данных в секторе управления активами. Хотя большие данные считаются решающими для обучения инструментам искусственного интеллекта и машинного обучения, небольшие наборы данных и конкретные истории клиентов часто являются источником наиболее успешных стратегий управления активами. Когда определенный индивидуальный подход оказывается успешным, он дополнительно тестируется и совершенствуется с участием более широкого круга клиентов. В конечном итоге эти ориентированные на человека и продуманные стратегии можно масштабировать для удовлетворения потребностей самых разных клиентов, независимо от объема их бизнеса.

Искусственный интеллект и машинное обучение могут значительно улучшить управление активами, но на практике компаниям необходимо использовать сочетание человеческого опыта и инструментов искусственного интеллекта и машинного обучения. Искусственный интеллект и машинное обучение могут выполнять анализ данных, распознавание образов и некоторые аспекты поддержки принятия решений, позволяя людям сосредоточиться на стратегическом планировании и принятии решений более высокого уровня.

При этом мы не можем игнорировать тот факт, что роль людей в управлении активами также меняется. По мере того, как технологии искусственного интеллекта и машинного обучения продолжают развиваться, управляющие активами все чаще «дополняются» этими инструментами, используя их для расширения своих возможностей принятия решений — в прогнозной аналитике, алгоритмической торговле, управлении рисками и многом другом. Это увеличение не всегда должно приводить к замене. Симбиотические отношения между человеческим суждением и машинным интеллектом, вероятно, станут будущим управления активами, поскольку они используют сильные стороны обоих для создания индивидуальных стратегий и достижения лучших результатов.

Отметка времени:

Больше от Финтекстра