作者：Thor Olavsrud
    the Senior Writer of  the CIO magazine,Thor Olavsrud covers data analytics, business intelligence, and data science for CIO.com. He resides in New York.

金融服务业对数据分析并不陌生，但在某些领域，主观的、基于直觉的决策仍然是常态。

以投资银行为例，他们专门帮助客户通过首次公开发行（IPO）等方式筹集资金。传统上，投资银行依靠与投资者的关系以及他们在金融和行业领域的专业知识来确定最有可能参与即将到来的交易的投资者。美国银行正试图利用人工智能（AI）颠覆这一传统。

美国银行（Bank of America），原中文名“美国美洲银行”，创建于1968年10月，总部现设在美国北卡罗来纳州的夏洛特市。 以资产计，是美国第一大商业银行；2019年7月22日，《财富》世界500强排行榜发布，美国银行位列58位。

美国银行全球资本市场联席主管Elif Bilgi Zapparoli表示：“当你审视金融服务和利用技术改进金融服务时，并不是每一条业务线和每一个产品都跟得上当今的时代潮流。”

如今，企业消费者的消费行为往往非常现代化，因为用户都在云、互联网或移动设备上。从以企业为中心的角度看，技术落后，往往是因为客户本身往往处于技术发展曲线中的落后方面。

Zapparoli说：“即使你看看我们的业务，市场发展得比银行业更先进，因为市场上的客户即买方，已经‘电子化’发展几十年了。”

美国银行的目标是改变这一切。可以从数量交易的发展中获得启发，比如利用市场信号来预测价格变动，并把这些想法和技术应用到证券股票交易业务(ECM)中。

“我们正在应用相同的思维方式和方法，在许多情况下，应用相似的算法。当然，输入的数据不同，想要的预测结果也是不同的”，Zapparoli说。

预测交易的最佳投资者

在过去的两年里，美国银行的数据科学家和工程师们一直在创建预测智能分析机（PRIAM）。这是一个人工智能交易预测系统，它使用监督机器学习算法网络来了解证券股票市场(ECM)交易与投资者之间的关系趋势。

全球银行和市场部首席信息官、美国银行企业风险和金融技术执行官戴维·雷利（David Reilly）表示，专家们收集、清理和组织了超过1.5亿个数据点（包括公开数据和专有数据），以培训人工智能模型。这些数据包括来自50000多宗ECM历史交易的信息、投资者数据和市场数据。

“我们正在把数据和分析技术应用起来”，雷利说，“不是要取代任何东西，而是要补充我们银行合作伙伴在非专业领域所需要具有的丰富关联的市场情报数据。”

Reilly解释说，预测智能分析机（PRIAM）现在可以通过根据股票发行细节、历史交易参与情况、交易和客户接触点信息以及市场数据等，去预测交易的最佳投资者，帮助最大限度地提高投资者对电子交易的需求。它可以在几秒钟内为1000名投资者打分，以超过80%的准确率识别出“高信号”投资者。这家银行的ECM部门将这种分析和洞察力融入到他们的业务战略中。

赖利说：“这些数据使我们能够做出一个非常有针对性的‘一对一’的宣传推广。当然，这远远不够，但是，作为一项额外的资产，预测智能分析机（PRIAM）将使我们与众不同。因为我们可以快速完成，并更新算法模型，然后根据市场情况实时运行它。”

数据和专业知识的结合

瑞利表示，预测智能分析机（PRIAM）的使用秘诀在于将数据和分析与传统上主要依赖的银行家的关系和专业主题知识结合起来。

他说：“正是这些深厚的、有时数十年的商业和市场经验与不断更新的数据和分析相结合，才使得这款产品与众不同。”。

扎帕罗利表示，成功的关键在于内部合作——利用美国银行集团内部的专业知识，对现有业务进行不同思考。

Zapparoli则表示，在构建PRIAM，然后更新PRIAM的过程中发现，需要银行内部和外部的许多不同的学科或团体一起合作，才能真正为客户创造附加价值。

来自银行和市场的专业知识，以及从量化交易等领域收集的机器学习和人工智能专业知识都发挥了作用。在扎帕罗利看来，这就是它最终走向成功之路的原因。“我们没有再创造任何东西。只是说，好吧，如果这在市场上有效，让我们从这一点开始，看看哪些领域的专业知识还能起到作用。”