フィンテックの機械学習が選ばれる理由

機械学習技術は、投資、融資、コンサルティング、セキュリティソリューションと何らかの形でビジネスが連携しているグローバルなフィンテック企業や金融機関にとって興味深いものです。 オンライン決済の自動化を専門とする会社であるPayOnlineでは、機械学習技術を使用した国際的なフィンテックの事例を検討することにしました。



80年代にコンピューターが登場し、情報の保存と処理にコンピューターを使用することがほとんどの企業の標準になっていることを徐々に見てきました。 90年代に、私たちは世界を真に変えたインターネットブームを目の当たりにしました。 今日のあらゆる情報を収集することは、ささいなことです。 過去10年の半ばに、ソーシャルネットワークが出現し、起業家は顧客が他のサイトで以前と同じくらい時間を費やし始めたことに気付きました。 その結果、世界中のビジネスマンがソーシャルメディアに投資し始め、視聴者のリーチを拡大し、マーケティングの目的で使用し始めました。 AndroidとiOSが一般に紹介されると、パラダイムシフトが起こりました。 人々は、パソコンよりもスマートフォンで多くの時間を費やし始めました。 時間の経過とともに、消費者はスマートフォンを使用して、意思決定、購入、さらには支払いを行うようになりました。 今日、スマートフォンは消費者の意思決定プロセスに不可欠な要素になっていることに気付き、企業はオムニチャネルインタラクションエクスペリエンスの提供に努めています。 この点で、「市場を変えることができる革新的なツールは他にありますか？」という疑問が生じます。おそらく、企業は機械学習アルゴリズムの使用に注意を払う必要があります。



アルゴリズムの利点を小さな例で説明します。 フィンテック市場のリーダーの1つであるダッシュファイナンシャルは、最近「投資家向けのベストアルゴリズムまたはダイレクトマーケットエントリー製品」のカテゴリーでウォーターズテクノロジーアワードを受賞しました。 この会社のアルゴリズムが提供する機能を見てみましょう。 Dashツールキットは、パフォーマンスを最適化し、コミッションコストを削減するように設計されています。 任意のレベルおよび任意のカテゴリでシステムの動作をカスタマイズする機能は、製品の際立った機能の1つです。 すべての業務に対してリアルタイムで完全な透明性を提供したいという願望と相まって、同社の顧客は完全な投資家指向の取引インフラストラクチャを受け取ります。



センサーアルゴリズムのセットDashには独自の構成ウィザードがあり、プログラムコードを書き換えたり、長い開発サイクルで作業したりすることなく、投資家の目標とニーズに応じてパラメーター、動作、および手法を調整できる会社の特許取得済みの開発です。 変更の結果は、コントロールパネル（アプリケーションを受け入れて実行するプロセスの各コンポーネントにアクセスできる詳細なリアルタイムWebインターフェース）に即座に明確に表示されます。 Dashのお客様は、アプリケーションの送信先、市場の状態、実行中のマイクロ秒までのクオートの深さを徐々に監視する機会を得ます。 このツールは、アルゴリズムの特定、分析、投資家の目標へのさらなる最適化と適応の重要な要素です。



過去10年にわたり、企業はさまざまなチャネルを使用して大量のデータを収集することができましたが、この情報の配列にアルゴリズムを適用するときが来ました。 これらは、企業が従来のレポートを超えて、収集する情報についてより深い洞察を得ることを支援します。 また、分析的な予測にも役立ち、企業が即座に意思決定を行えるようになります。 データ収集、パターンの識別、スマート分類、機械学習により、今後5年間でさまざまな業界の状況が変化します。 そして、Fintech市場は間違いなく脇に立つことはありません。 今日、取引所の取引や貸し出しなどのフィンテックセグメントは、意思決定を加速するために、すでに活動にアルゴリズムを統合しています。 フィンテック企業によるアルゴリズムの使用が始まったばかりで、間違いなく数年以内に最高点に達すると言うのは安全です。



以下は、現在最も広く普及している人工知能の1つである機械学習を仕事に使用している企業のリストです 。

18人のフィンテック機械学習プレーヤー

機械学習は人工知能の一種で、厳密にプログラムされた行動シナリオなしでコンピューターに学習する機会を提供します。 この分野の専門家は、新しいデータに基づいて独自に学習、成長、変更できるコンピュータープログラムを開発しています。 若いフィンテック企業はこの技術を使用して、絶えず変化する市場条件に適応します。



これらの会社の一部を次に示します。



Kensho ：同社の開発は、マシンインテリジェンスの使用、自然言語との連携、グラフィカルユーザーインターフェイス、安全なクラウドコンピューティングを組み合わせており、投資専門家向けの新しいクラスの分析ツールです。 Kenshoスマートコンピューターシステムは、単純な英語で尋ねられる複雑な経済的質問に答えることができ、同社の公式ウェブサイトの情報によると、「現在の最も複雑な分析タスクを解決することができます」。 同社はハーバード大学とMITの卒業生によって設立され、Google、Apple、米国連邦準備制度の経験豊富な元従業員を雇用しており、投資家にはGoogle Ventures、Goldman Sachs、In-Q-Tel（CIAベンチャーユニット）などの名前が含まれています。



断言 ：技術的ツールが融資パラメーターの評価に効果的に適用するために膨大な量のデータを収集する金融会社。 機械学習は、不正行為から保護し、クレジットデータを収集するために使用されます。



Lending Club ：借り手と投資家向けの世界最大のオンライン市場。 プラットフォームは、機械学習を使用して、潜在的に不良なローンを予測します。



Kabbage ：金融技術とデータ収集を専門とするアトランタのオンライン企業。 Kabbageは、自動化された融資プラットフォームを通じて、小規模企業や消費者に直接金融サービスを提供しています。 Kabbageチームは、次世代の機械学習ツールと、信用リスクを評価し、既存のローンポートフォリオを分析するためのモデルを作成するための一連の分析ツールの開発を専門としています。



ZestFinance ：同社は、機械学習技術と大規模データ分析を使用して、より正確なローン決定を行います。 同社のウェブサイトによると、信用格付けを評価する従来のアプローチは50個のパラメーターのみを使用しており、これはZestFinanceアルゴリズムで考慮される金額のごく一部です。



BillGuard ：個人の金融セキュリティサービスを提供します。 ビルガードは、金融取引中の個人データの盗難、誤った請求やグレーの取引からユーザーを保護します。 同社は、データマイニング、機械学習アルゴリズム、セキュリティ、ユーザーフレンドリーなWebインターフェイスの設計などの技術の使用を専門としています。



LendUp ：同社は、他の組織が独自のAPIを使用して同様のサービスを提供できるようにするなど、マイクロクレジットを専門としています。 LendUpは機械学習とアルゴリズムを使用して、統計的にローンを返済できる可能性が最も高い15％の借り手を正確に識別します。



ブルームバーグ ：金融市場の専門的参加者向けの情報の主要プロバイダーの1つ。 ブルームバーグは、世界中の正確なビジネスおよび財務情報、ニュース、専門家の意見を迅速に提供します。 統計、自然言語処理、機械学習の方法を使用して、同社は金融業界に分析ソリューションを提供しています。



AlphaSense ：過剰な情報とその断片化の基本的な問題を解決する金融検索エンジン。 会社の対象読者は、金融分野のさまざまな分野の専門家です。 AlphaSenseは、独自の独自の自然言語処理と機械学習アルゴリズムを効果的に活用し、直感的なインターフェイスを備えた強力で高度に差別化された製品をユーザーに提供します。



FinGenius ：銀行や保険会社との連携に重点を置いたプラットフォーム。 FinGeniusテクノロジースイートは、機械学習、自然言語処理、ヒューマンロジックモデリングなど、さまざまな人工知能技術を組み合わせて、複雑なデータ配列の処理を簡素化します。



Dataminr ：同社は、金融セクターのクライアントに情報検索サービスを提供しています。 リアルタイムのDataminrツールは、重要な情報要素を検索する機械学習アルゴリズムを使用して、ソーシャルネットワークやその他のオープンソースの情報を「くし」、その後の有用な推奨事項と実用的なヒントへの変換を行います。



Binatix ：人々の生物学的行動の要因を考慮し、それらを大規模なデータ分析に使用する最新の特許取得済みの人工知能アルゴリズムを使用する株式ブローカー。



Brighterion ：同社は、あらゆる種類、複雑さ、量のソースから情報を収集および分析できる世界最大の人工知能および機械学習技術のセットの1つを提供しています。



Feedzai ：同社は機械学習とビッグデータを使用して、顧客のビジネス運営のセキュリティを確保しています。 Feedzaiの自己学習モデルは、従来の方法よりも30％早く詐欺を認識します。



Nymi（以前のBionym） ：同社は、特に機械学習アルゴリズムを使用して、心電図を使用した生体認証デバイスを開発し、推進しています。



EyeVerify ： EyeVerify独自のソフトウェアは、いわゆるアイプリント-識別子としての目のタンパク質の血管パターンを使用し、これらの目的のために機械学習技術も使用します。



BioCatch ：モバイルおよびWebアプリケーション向けの行動バイオメトリクス、認証、およびマルウェア検出ソリューションの大手プロバイダー。 銀行とオンラインストアは、Biocatchを使用して、危険なトランザクションに関連する競合を回避し、アカウントハイジャック、ブラウザトロイの木馬、リモートアクセス攻撃などのサイバー脅威からユーザーを保護します。



KFL Capital ：同社は、財務パターンと価格変動を分析し、最も収益性の高いものを見つけることに特化しています。 これらの目的のために、KFLキャピタルは機械学習、予測アルゴリズム、統計的手法、強力なコンピューティングコンピューターを使用しています。

MasterCard Machine Learning Network Disrupting ATM Attack

支払い大手のMasterCardの機械学習技術に関するニュースに特に注意を払う必要があります。これにより、ATMネットワークを狙った3つの個別のサイバー攻撃を迅速に制御し、それぞれの場合の損害総額を約10万ドルに制限できました。



また、可視化ツールを含む運用監視システムは、2016年1月から2月に発生した3つの攻撃を記録しました。



昨年発売されたセーフティネットのグローバルシステムは、MasterCardのデビットおよびクレジットアカウント、商人、ATMを含む13億件を超える取引を分析しています。 このために、システムは顧客の行動をリアルタイムで評価するアルゴリズムを適用します。





UAEの銀行の1つと、クレジットカードとデビットカードのデータの処理に従事しているアメリカの会社で始まった2013年のサイバー攻撃のスキーム。



MasterCard Safety Netの不正検出システムは、26か国で300を超えるATMにまたがるアクティビティを検出しました。 その後、11時間以内に、犯罪者は4000万ドル以上を撤回しようとしました。 ATMは赤い丸で示され、攻撃強度は黄色で示されています。



米国の2つの銀行と南米の1つの銀行を対象とした前述の3つの攻撃で、Safety Netは、大量の現金の引き出しやそれらの口座の通常の地理的領域外での取引などの異常な動作を特定しました。 企業セキュリティソリューションの社長であるAjay Bhallaが状況を説明したように、MasterCardは銀行に通知し、業務を辞退し、個々のケースで損失を100,000ドル未満に制限しました。 会社は、秘密保持契約を理由に、攻撃の対象となる銀行の名前を付けることを拒否しました。

フィンテックの機械学習の可能性に関する意見

Crowd Expert Project for Sentifi Financial Marketsのデータ分析スペシャリスト ：

とりわけ、機械学習は、金融市場の状態に関する情報を「クラウド収集」するために使用されます。 考え方は、さまざまな知識分野の専門家とアマチュアの両方が代表する「群衆」が、意見の多様性のために貴重な情報を提供できるということです。 このアプローチの目的は、特定の企業とその行動、株式市場、および金融に関連するその他の項目について一般大衆がどのように考えているかについての分析を得ることです。



有用なアイデアは、ソーシャルネットワーク、ブログ、新聞からの大規模な情報マイニングによって「群衆意識」から抽出されます。 このようにして得られたデータには自然な障害と構造の欠如があるため、専門家はそれらの恩恵を受けるために機械学習、自然言語処理、画像認識を適用する必要があります。



ほとんどの場合、投資家は技術的および基本的なタイプの分析を使用して決定を下します。 「クラウド収集」情報のテクノロジーにより、3番目のコンポーネント（金融市場の社会分析）を追加し、可能なデータセット全体を使用して意思決定プロセスを改善できます。



さらに、この方法を使用すると、個々の専門家（しばしば専門家ではないことが多い）のグループだけが状況をよく理解できるため、情報フローを民主化できます。

ロボットコンサルティングと人工知能を専門とするフィンテックの起業家 ：

今日、ロボット金融アドバイザーの業界では、リスク評価とクライアントの個人プロファイルは、いくつかの可能な回答を含む10項目のアンケートに基づいています。 次に、このアプローチを別のアプローチと比較します。たとえば、オブジェクトを識別して平均化されたグラフィックイメージと比較するリカレントニューラルネットワーク、または自然言語を処理して人がどのように人格を表現するかを理解するためのリカレントニューラルネットワークなど、画像認識に「ビッグデータ」を使用しますソーシャルネットワーク上のテキスト。 このすべてがクライアントの個人的な特徴をまとめるために使用され、個人的な経済的ニーズと目標の全体的な見解を得ることができると想像してください。 これは、業界が非常に惹かれ、口座開設、CRM、または財務計画に等しく使用できる新しいテクノロジーの可能性です。

Housing.com ITスペシャリスト 、行動ファイナンス：

噂の結果、市場がどのように上昇または下落するのでしょうか？ なぜ株式市場に「 1月の影響 」があるのですか？ 自然災害やニュースは株価の動きにどのように影響しますか？ これらの質問への答えを得るために、研究者は行動ファイナンスと呼ばれる科学的分野に目を向けます。 すべての個人が非合理的に行動し、異常は合理的および非合理的なエージェントの行動パターンの蓄積と追加の結果に過ぎないと想定しています。 そのため、専門家はベイジアンネットワークやその他の手法を使用して、意思決定プロセスをモデル化し、体系的なエラーを特定します。



香港大学バプテストビジネススクールの教授であるキンラムは、科学者のグループとともに、投資家の行動をモデル化するための定量的な疑似ベイジアンアプローチを提示しました 。 科学者は、投資家の気分を考慮に入れたモデルを作成し、彼らの実際の決定を株式市場の変化のショックと比較しました。

Amazon.comプログラミングおよび機械学習責任者 ：

• ソーシャルネットワークでの活動、金融取引の履歴、およびその他の同様の要因に基づいて、ローンまたは住宅ローンを申請したい借り手の信用格付けを決定します。 ここでは、ニューラルネットワークなどの最も一般的に使用されるガイド付き学習のテクノロジー。
  
  
  
  
• ポートフォリオ最適化。 ここでは、線形および非線形プログラミング、確率的勾配降下法、遺伝的アルゴリズムが使用されます。
  
  
  
  
• 財務計画に関連する質問に最も関連性の高い回答を提供します。 自然言語処理と知識グラフを使用します。
  
  
  
  
• 証券の買戻しと配置の自動化（いわゆる引受）
  
  
  
  
• 財務書類の分類と配布を自動化するシステム。

企業が競争に勝つためにアルゴリズムがどのように役立つか：

今日、世界のすべての地域の投資家と借り手は、このプロセスを加速することで市場リーダーシップの競争での勝利を確実にするため、一瞬で決定を下すことができる技術を探しています。 人工知能、機械学習、その他の類似技術の使用により、企業は数年にわたって蓄積された膨大なデータ配列を数秒で解釈できるようになります。 株式取引、貸付、または不正検出のいずれを含むかに関係なく、複雑なパターンを認識することは、フィンテック企業の成功の鍵の1つです。 リスクを減らすため、アルゴリズムはシナリオの事前実験と評価に非常に役立ちます。



新しいアルゴリズムテクノロジはすでに存在し、それらのおかげで、企業は顧客に対する価値提案を根本的に変えることができました。 近い将来にアルゴリズムを使用したフィンテック企業は、競合他社よりも先に進むチャンスがあります。



PayOnline処理会社のブログの最新情報を入手し、金融市場を変えるテクノロジーについて最新情報を入手してください。