{"id":3637,"date":"2023-08-09T08:29:27","date_gmt":"2023-08-09T08:29:27","guid":{"rendered":"http:\/\/the-codest.localhost\/blog\/the-age-of-ml-driven-financial-solutions-a-new-era-in-fintech\/"},"modified":"2024-08-09T11:21:45","modified_gmt":"2024-08-09T11:21:45","slug":"alderen-for-ml-drevne-finansielle-losninger-en-ny-aera-inden-for-fintech","status":"publish","type":"post","link":"https:\/\/thecodest.co\/da\/blog\/the-age-of-ml-driven-financial-solutions-a-new-era-in-fintech\/","title":{"rendered":"De ML-drevne finansielle l\u00f8sningers tidsalder: En ny \u00e6ra inden for fintech"},"content":{"rendered":"

I min seneste samtale om fusionen af kunstig intelligens <\/strong> (AI<\/a>) og maskinl\u00e6ring<\/a> <\/strong> i Finansiering<\/a> sektor, havde jeg det privilegium at styre dialogen med skarpe sp\u00f8rgsm\u00e5l. Vores dybe dyk blev ledet af Sebastian Niehaus, en Machine Learning Ingeni\u00f8r <\/strong> med speciale i kvantitativ Finance og den CTO<\/a> p\u00e5 SEKASA Teknologier <\/a>. Sebastians store ekspertise gav en oplysende indsigt i den voksende symbiose mellem AI og fintech<\/a> <\/strong>.<\/p>\n

Under vores CTO-chat dykkede Sebastian og jeg ned i AI- og finansverdenen. P\u00e5 trods af at vi var langt fra hinanden, fl\u00f8d samtalen ubesv\u00e6ret! <\/p>\n

\"mødes<em>skærm<\/em>two_people"os<\/a> Hvorfor b\u00f8r en finansiel virksomhed overveje at integrere AI i sin daglige forretning?<\/b><\/p>\n

Sebastian<\/b>: Det g\u00f8r det ganske enkelt muligt at analysere store m\u00e6ngder af data<\/a> som ikke kan analyseres p\u00e5 nogen anden m\u00e5de, hvilket skaber en betydelig marked<\/a> fordele.<\/p>\n

Finance handler om at analysere og behandle data. Uanset om vi taler om betalingsudbydere, investeringsselskaber, banker<\/a> eller market makers. Alle markedsdeltagere, uanset hvor sm\u00e5 de er, udf\u00f8rer analyser med eksisterende data, m\u00e5ske ikke med smarte algoritmer, men med andre former for analyse.<\/p>\n

Problemet med data er imidlertid, at uafh\u00e6ngige datapunkter normalt er ubrugelige, de bliver f\u00f8rst interessante, n\u00e5r der tilf\u00f8jes en kontekst. Denne kontekst kan tilf\u00f8jes ved at sammenligne data fra den aktuelle sag med lignende sager eller ved at tilf\u00f8je flere relaterede og ikke-relaterede data. Det kan f.eks. v\u00e6re integration af andre markeder eller milj\u00f8data i investeringsbeslutninger eller en bredere vifte af transaktioner i forbindelse med afsl\u00f8ring af svindel. <\/p>\n

Jakub: Set fra dette synspunkt - hvad er AI og maskinl\u00e6ring generelt? <\/b><\/p>\n

Sebastian<\/b>: Kunstig intelligens (AI) er udviklingen af computersystemer, der er i stand til at udf\u00f8re opgaver, som normalt kr\u00e6ver menneskelig intelligens, s\u00e5som indl\u00e6ring, r\u00e6sonnement, probleml\u00f8sning og beslutningstagning. <\/p>\n

Machine Learning<\/strong> er en delm\u00e6ngde af AI, der fokuserer p\u00e5 at tr\u00e6ne algoritmer til at l\u00e6re m\u00f8nstre og komme med forudsigelser ud fra retrospektive data for at udf\u00f8re en bestemt opgave. P\u00e5 den m\u00e5de afd\u00e6kker den m\u00f8nstre og mekanismer til at automatisere opgaver eller generere ny viden om dem. <\/p>\n

AI eller maskinl\u00e6ringsmetoder er blevet s\u00e5 popul\u00e6re i l\u00f8bet af de sidste par \u00e5r, fordi de er i stand til at behandle en stor m\u00e6ngde forskellige datafunktioner. Det er en stor forskel fra de klassiske statistiske modeller, som vi har brugt i finansverdenen siden 80'erne. <\/p>\n

Jakub: Det er en interessant indsigt! S\u00e5 hvad er fordelene ved maskinl\u00e6ring for FinTech virksomheder<\/a>?<\/b><\/p>\n

Sebastian:<\/b> I \u00e9n s\u00e6tning: De udnytter deres fulde potentiale! <\/p>\n

FinTech'er er rene dataproducenter, og de skal h\u00e5ndtere store m\u00e6ngder finansielle og alternative data. Ud fra disse data kan de opdage nye forretningspotentialer, sikre nuv\u00e6rende processer, g\u00f8re deres beslutninger mere gennemsigtige og forbedre kvaliteten af deres beslutninger. <\/p>\n

Selv hvis processer eller is\u00e6r beslutningsprocesser er klart definerede og velfungerende, giver det ofte mening at tilf\u00f8je maskinl\u00e6ringsalgoritmer for at give et andet syn og reducere menneskers subjektive fejl. Det kan f.eks. forhindre investeringsselskaber i at foretage FOMO-investeringer.<\/p>\n

Jakub: Hvad er motivationen og forretningsgrundlaget for at integrere AI?<\/b><\/p>\n

Sebastian<\/b>: Det handler ofte om at sikre konkurrencefordele, procesoptimering eller bare om at besvare specifikke sp\u00f8rgsm\u00e5l. Derudover er der ogs\u00e5 emner som fremtidig levedygtighed - hvilket f.eks. er et problem for meget etablerede finansielle virksomheder. Disse virksomheder ved ofte ikke engang, hvilket potentiale der ligger i deres data, og kommer med en simpel anmodning: \"Vi vil gerne afpr\u00f8ve, hvad der kan forbedres med Machine Learning i vores virksomhed.\"<\/p>\n

Lad mig g\u00f8re svaret mere h\u00e5ndgribeligt med et par eksempler: <\/p>\n