{"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":"en-tid-av-ml-drivna-finansiella-losningar-en-ny-era-inom-fintech","status":"publish","type":"post","link":"https:\/\/thecodest.co\/sv\/blog\/the-age-of-ml-driven-financial-solutions-a-new-era-in-fintech\/","title":{"rendered":"En tid av ML-drivna finansiella l\u00f6sningar: En ny era inom fintech"},"content":{"rendered":"

I mitt senaste samtal om sammansm\u00e4ltningen av artificiell intelligens <\/strong> (AI<\/a>) och maskininl\u00e4rning<\/a> <\/strong> i ekonomi<\/a> sektorn hade jag f\u00f6rm\u00e5nen att styra dialogen med skarpa fr\u00e5gor. Ledare f\u00f6r v\u00e5r djupdykning var Sebastian Niehaus, en Machine Learning Ingenj\u00f6r <\/strong> med inriktning mot kvantitativ Finance och CTO<\/a> p\u00e5 SEKASA Teknik <\/a>. Sebastians omfattande expertis gav upplysande insikter om den v\u00e4xande symbiosen mellan AI och fintech<\/a> <\/strong>.<\/p>\n

Under v\u00e5r CTO-chatt f\u00f6rdjupade Sebastian och jag oss i AI och finansv\u00e4rlden. Trots att vi var l\u00e5ngt ifr\u00e5n varandra fl\u00f6t samtalet p\u00e5 utan problem! <\/p>\n

\"träffas<em>skärm<\/em>två_personer"oss<\/a> varf\u00f6r ska en finansfirma \u00f6verv\u00e4ga att integrera AI i sin dagliga verksamhet?<\/b><\/p>\n

Sebastian<\/b>: Det g\u00f6r det helt enkelt m\u00f6jligt att analysera stora m\u00e4ngder data<\/a> som inte kan analyseras p\u00e5 n\u00e5got annat s\u00e4tt, vilket skapar betydande marknad<\/a> f\u00f6rdelar.<\/p>\n

Finance handlar om att analysera och bearbeta data. Oavsett om vi talar om betalningsleverant\u00f6rer, v\u00e4rdepappersf\u00f6retag, banker<\/a> eller marknadsgaranter. Varje marknadsakt\u00f6r, oavsett hur liten den \u00e4r, g\u00f6r analyser med befintlig data, kanske inte med avancerade algoritmer men med andra former av analyser.<\/p>\n

Problemet med data \u00e4r dock att oberoende datapunkter oftast \u00e4r v\u00e4rdel\u00f6sa, de blir intressanta f\u00f6rst n\u00e4r de f\u00f6rs in i ett sammanhang. Detta sammanhang kan skapas genom att j\u00e4mf\u00f6ra data i det aktuella fallet med liknande fall eller genom att l\u00e4gga till mer relaterade och orelaterade data. Det kan t.ex. handla om att integrera andra marknader eller milj\u00f6data i investeringsbeslut eller ett bredare spektrum av transaktioner f\u00f6r att uppt\u00e4cka bedr\u00e4gerier. <\/p>\n

Jakub: Om man ser det ur den h\u00e4r synvinkeln - vad \u00e4r AI och maskininl\u00e4rning i allm\u00e4nhet? <\/b><\/p>\n

Sebastian<\/b>: Artificiell intelligens (AI) \u00e4r utvecklingen av datorsystem som kan utf\u00f6ra uppgifter som normalt kr\u00e4ver m\u00e4nsklig intelligens, till exempel inl\u00e4rning, resonemang, probleml\u00f6sning och beslutsfattande. <\/p>\n

Machine Learning<\/strong> \u00e4r en delm\u00e4ngd av AI som fokuserar p\u00e5 att tr\u00e4na algoritmer f\u00f6r att l\u00e4ra sig m\u00f6nster och g\u00f6ra f\u00f6ruts\u00e4gelser fr\u00e5n retrospektiva data f\u00f6r att utf\u00f6ra en specifik uppgift. P\u00e5 s\u00e5 s\u00e4tt uppt\u00e4cks m\u00f6nster och mekanismer f\u00f6r att automatisera uppgifter eller generera ny kunskap om dem. <\/p>\n

AI eller maskininl\u00e4rningsmetoder har blivit mycket popul\u00e4ra under de senaste \u00e5ren eftersom de kan bearbeta en stor m\u00e4ngd olika datafunktioner. Det \u00e4r en stor skillnad j\u00e4mf\u00f6rt med de klassiska statistiska modeller som vi har anv\u00e4nt inom finans sedan 80-talet. <\/p>\n

Jakub: Det var en intressant insikt! S\u00e5, vilka \u00e4r f\u00f6rdelarna med maskininl\u00e4rning f\u00f6r FinTech f\u00f6retag<\/a>?<\/b><\/p>\n

Sebastian:<\/b> I en mening: De utnyttjar sin fulla potential! <\/p>\n

FinTechs \u00e4r rena dataproducenter och de m\u00e5ste hantera stora m\u00e4ngder finansiell och alternativ data. Utifr\u00e5n dessa data kan de uppt\u00e4cka nya aff\u00e4rsm\u00f6jligheter, s\u00e4kra nuvarande processer, g\u00f6ra sina beslut mer transparenta och f\u00f6rb\u00e4ttra kvaliteten p\u00e5 sina beslut. <\/p>\n

\u00c4ven om processerna, och s\u00e4rskilt beslutsprocesserna, \u00e4r tydligt definierade och v\u00e4lfungerande \u00e4r det ofta meningsfullt att l\u00e4gga till maskininl\u00e4rningsalgoritmer f\u00f6r att ge en andra bild och minska de subjektiva fel som m\u00e4nniskor g\u00f6r. Detta kan till exempel f\u00f6rhindra investmentbolag fr\u00e5n att g\u00f6ra FOMO-investeringar.<\/p>\n

Jakub: Vad \u00e4r motivationen och aff\u00e4rsnyttan med att integrera AI?<\/b><\/p>\n

Sebastian<\/b>: Det handlar ofta om att s\u00e4kra konkurrensf\u00f6rdelar, processoptimering eller bara att svara p\u00e5 specifika fr\u00e5gor. Dessutom finns det ocks\u00e5 \u00e4mnen som framtida l\u00f6nsamhet - vilket \u00e4r en fr\u00e5ga f\u00f6r mycket etablerade finansf\u00f6retag, till exempel. Dessa f\u00f6retag vet ofta inte ens vilken potential som ligger i deras data och kommer med en enkel f\u00f6rfr\u00e5gan: \"Vi skulle vilja prova vad som kan f\u00f6rb\u00e4ttras med Machine Learning i v\u00e5rt f\u00f6retag\"<\/p>\n

L\u00e5t mig g\u00f6ra svaret mer konkret med n\u00e5gra exempel: <\/p>\n