21 juin 2021

L’IA dans l’investissement concerne l’autonomisation humaine, pas le déplacement

Par admin2020
L’intelligence artificielle (AL), une branche de l’informatique, permet aux machines d’imiter le comportement humain intelligent pour résoudre des problèmes complexes. C’est ce qu’on appelle l’intelligence artificielle, car l’intelligence humaine est considérée comme une véritable intelligence. L’apprentissage automatique (ML), un sous-ensemble puissant de l’IA, aide les appareils à apprendre et à s’améliorer à partir des expériences passées sans avoir besoin d’une programmation explicite. Le ML traite de grandes quantités de données pour extraire des informations exploitables qui contribuent à créer un avantage concurrentiel, et il s’est avéré changer la donne pour le monde des affaires, en dirigeant des programmes agressifs de croissance, d’innovation et de durabilité dans différents secteurs verticaux.

Compte tenu des définitions floues de l’IA et du ML dans la pratique, il n’est pas facile de mesurer avec précision leur progression en termes quantifiables. Cependant, diverses enquêtes et études ponctuelles nous ont donné une juste idée de leur rapidité

dans les affaires et l’industrie.

Oui Sec-chart

Apprentissage automatique et intelligence d’affaires
Le volume et la complexité croissants des données commerciales entraînent l’adoption commerciale du ML dans l’analyse commerciale, qui a progressé à pas de géant depuis les jours de gloire des outils classiques d’extraction, de transformation et de chargement (ETL). Le ML a considérablement amélioré l’intelligence d’affaires en traitant et en analysant des ensembles de données volumineux et complexes pour identifier des modèles qui, autrement, ne seraient pas détectés.

En termes simples, la reconnaissance de formes activée par ML est un « moyen automatique » d’identifier la régularité des données – c’est-à-dire sa stabilité, sa cohérence et sa symétrie – et de classer les événements en fonction des données d’entrée. Ainsi, plus qu’une simple surveillance du comportement, l’analyse des actions des utilisateurs révèle des informations exploitables sur leur comportement qui est invariablement complexe et varié.

L’importance du ML prédictif peut être évaluée à partir de son succès dans différents secteurs. Aujourd’hui, de nombreux détaillants créent des recommandations de produits personnalisées en fonction des habitudes d’achat. Les prestataires d’assurance-maladie développent des profils de consommateurs riches en informations. Les maisons de médias numériques prédisent le succès des émissions de divertissement pour prendre des décisions de diffusion intelligentes. Les entreprises de technologie alimentaire personnalisent la page de destination de chaque client en fonction de leurs préférences alimentaires granulaires, ce qui incite l’acheteur à effectuer un « achat » basé sur le pur plaisir de trouver la recette, les ingrédients et le style de cuisine souhaités.

Applications d’apprentissage automatique dans les services financiers
Les opportunités de ML abondent dans l’espace financier. ML peut contribuer à fournir aux clients bancaires, mais aussi aux investisseurs boursiers, des pages curées mettant en avant les offres adaptées à leurs besoins ou avec les secteurs et valeurs de leur choix ; plus important encore, il peut les guider vers de meilleures décisions bancaires et d’investissement grâce à des choix prudents à la lumière des tendances du marché, des réalités et des besoins du client.

Il est pertinent de noter la double utilisation puissante du ML dans le commerce et l’investissement. Il peut être utilisé pour analyser les actions, ainsi que pour analyser le comportement d’investissement des investisseurs.

Pour l’analyse des stocks, l’IA assure une valeur ajoutée considérable : elle rassemble des données propres et les analyse et les classe pour tirer des inférences intelligentes grâce à la reconnaissance de formes. Dans le commerce d’actions, cela aide également à minimiser l’impact post-exécution sur les cours des actions en divisant les ordres en plus petits morceaux, en plus d’identifier les opportunités d’arbitrage sur divers marchés.

Cet aperçu des outils de trading et d’investissement populaires de l’IA donne une idée d’un marché en plein essor.

Kavout Une idée originale d’anciens dirigeants de Google, a développé le « K Score » – un système de notation des actions amélioré par l’IA utilisant la technologie de reconnaissance des formes et un moteur de prévision des prix.
Auquan Plateforme permettant aux gestionnaires d’actifs de creuser des connexions non évidentes, des actualités, un biais d’anticipation affectant les décisions d’investissement
EquBot Plateforme d’IA intégrée à IBM Watson permettant un traitement plus rapide des données, des portefeuilles créés par l’IA et une analyse des sentiments.
Actions de la boîte noire Livré avec un scanner pré-commercialisation pour repérer les actions les plus actives et leur degré de volatilité.
neurensique Faisant désormais partie de Trading Technologies, permet une évaluation continue du risque de conformité associé aux comportements de trading complexes.
Sigmoïde Dégage des modèles exploitables entre les valeurs mobilières et les attentes du marché des capitaux.

Pour l’analyse du comportement des investisseurs, l’IA va au-delà de la simple personnalisation pour prévoir comment ledit comportement influencera les décisions commerciales. Ce taux de désabonnement met en lumière des informations inestimables comme, par exemple, la segmentation exploitable des clients en différents groupes (et donc ciblés pour différentes offres de produits) en fonction de leurs habitudes de dépenses et d’économies.

Aujourd’hui, de nombreuses entreprises technologiques étudient des tonnes d’ensembles de données non structurées et extraient des informations et des modèles inestimables pour évaluer la fiabilité des informations sur les orientations de l’entreprise, la corrélation entre les projections et les performances, et la probabilité de hausses et de baisses de croissance. En outre, les fournisseurs d’assistants numériques permettent des conversations guidées qui simulent les questions « pourquoi » et « comment » qu’un conseiller financier averti est apte à poser et à répondre.

AI et ML en Inde… et le chemin à parcourir
Selon une étude réalisée en 2020 par Analytics India et AnalytixLabs, 16 % des revenus d’analyse de toutes les entreprises sont attribués à l’analyse avancée, à la modélisation prédictive et à la science des données. Bien que cette part soit impressionnante, il n’en reste pas moins que l’espace du marché de l’IA en Inde en est encore à ses balbutiements.

Sans aucun doute, il existe de vastes possibilités d’utilisation de l’IA à l’avenir, au-delà de l’analyse comportementale, du conseil en robo, de la notation des actions et des diagnostics de portefeuille. Les domaines potentiels incluent à la fois des parties prenantes spécifiques (telles que l’intégration des clients, les offres en libre-service, la gestion des fournisseurs) et des systèmes spécifiques (telles que la gestion des risques, la lutte contre le blanchiment d’argent, la détection des fraudes.)

Alors que de plus en plus d’utilisateurs rejoignent le mouvement de l’IA, les données ne feront qu’augmenter en volume, en vitesse, en véracité, en variété et en valeur. Le graphique ci-dessous (avec l’aimable autorisation de la plate-forme allemande de données de marché Statista) donne une idée juste de la révolution du big data en cours, qui va monter en flèche sur les ailes de l’IA et du ML.

Oui Graphique de données Sec-Big

L’IA et le ML dans l’investissement : à propos de l’autonomisation humaine, pas du déplacement

Le marché des capitaux est extrêmement complexe. Étant donné que les données du marché, les flux sont les principales entrées d’un algorithme ; les machines peuvent rater des dizaines d’opportunités insaisissables que seul le cerveau humain est apte à repérer. L’IA a une limitation sérieuse de ne pas offrir une stratégie à long terme purement basée sur le statu quo ou des informations passées. Les humains peuvent améliorer les résultats probabilistes de l’IA, en les validant à la lumière de l’intuition et de la discrétion, comme la façon dont un médecin étudie une image échographique.

L’IA et le ML sont des catalyseurs clés pour améliorer les décisions de trading et d’investissement. Des conseillers financiers compétents utilisent intelligemment les données exploitables de l’IA et du ML qui fournissent une analyse complète des actions/secteurs et du comportement des investisseurs afin de créer de la richesse à long terme pour différents clients. Cet objectif ultime n’est atteint que grâce à des investissements disciplinés et diversifiés, conformément aux profils de revenu respectifs, à l’appétit pour le risque, aux opportunités de marché disponibles et aux incitations applicables telles que les déductions et exonérations fiscales.

(
Cet article est rédigé par Gopinath Natarajan, Head Investments & Products, Yes Securities. Les vues sont les siennes)



Source by