금융분야의 머신러닝

 

기계는 돈을 모으고, 기계는 돈을 배운다! 기계 학습은 금융의 마술을 뿌린다.

돈이 있는 것이 전부는 아니다. 가지고 있지 않다.

전략 교수님은 한 분야에 모든 노력과 자원을 집중해서는 안 된다고 말씀하시곤 하셨습니다. 그 부위가 약해지면 모든 것을 잃는 경향이 있다. 그녀는 사업적인 관점에서 이것에 대해 이야기하곤 했었고, 따라서 매우 이른 시기에 저에게 '잃어버린 벽돌을 쌓는 방법'과 '우리의 층'을 가르쳐주었습니다.

경제학 교수님은 나에게 돈을 현명하게 쓰라고 가르쳐주셨고, 인플레이션도 가르쳐주셨다. 결론: 항상 대체 소득, 다른 출처 또는 추가 수입(돈에 대한 플랜 B)이 있어야 합니다.

우리 재무 교수님이 말씀하시곤 하셨는데, 한 바구니에 모든 계란을 넣지 말라고 하셨어. 리스크를 분산시키고 최대한의 이점을 얻을 수 있도록 개인 금융 또는 비즈니스 결정을 내리십시오.

여기에 언급된 모든 것이 중요하고 적용되어야 하지만, 금세기에는 기술의 도움 없이 그것을 할 수 있을까? 너는 그 답을 알 만큼 똑똑해야 한다. 운영 비용이 절감되고(프로세스 자동화 덕분에), 매출이 증가하고 생산성이 향상됨에 따라 소비자 환경이 개선됩니다. 규정 준수 및 보안 강화에 대해 어떻게 언급하지 않을 수 있습니까? 지금 제가 할 수 있는 일은 기계 학습 감사뿐입니다.

금융 시스템에 머신 러닝이 등장함에 따라, 명시적 프로그래밍 없이도 엄청난 양의 데이터를 저장, 분석, 계산 및 해석할 수 있다.

구글은 응답자 1,600여 명을 대상으로 조사한 결과 회사 규모에 관계없이 61%가 ML과 AI를 내년 회사의 가장 중요한 데이터 이니셔티브로 지목했다고 밝혔다. (2018년 2월 7일)

금융에서 머신 러닝을 활용하는 방법

비현실적인 추정과 예산 고갈로 적절한 소프트웨어 인프라를 갖추는 것만으로는 충분하지 않습니다. 가치 있는 머신 러닝 개발 프로젝트를 제공하기 위해서는 명확한 비전, 기술 지식 및 집중력이 필요합니다.

이 기술을 잘 이해하는 즉시 비즈니스 목표를 달성하고 아이디어 검증을 진행하는 데 도움이 될 것입니다. 이것은 데이터 과학자들을 위한 작업이다. 이들은 아이디어를 조사하여 실행 가능한 KPI를 공식화하고 현실적인 추정치를 산출할 수 있도록 지원합니다.

참고: 이 시점에서 모든 데이터를 수집해야 합니다. 그렇지 않으면 이 데이터를 수집하고 정리할 데이터 엔지니어가 필요합니다.

특정 사용 사례와 비즈니스 조건에 따라 금융 회사는 머신 러닝을 채택하기 위해 다른 경로를 따를 수 있습니다. 실용화하자!

금융의 머신러닝 응용 프로그램

1. 보안

트랜잭션 수, 사용자 수, 타사 통합 및 머신 러닝 알고리즘은 부정행위를 탐지하는 데 탁월합니다. 

은행은 이 기술을 사용하여 수천 건의 트랜잭션을 모니터링할 수 있습니다. 이러한 모델은 높은 정밀도로 사기 행위를 탐지하고 의심스러운 계정 동작을 식별합니다.

머신 러닝 알고리듬은 트랜잭션을 평가하기 위해 분할 초가 필요하다. 그 속도는 범죄가 이미 저질러진 후에 그것들을 발견하는 것만이 아니라, 실시간으로 사기들을 예방하는 데 도움이 된다.

2. 재무 모니터링

데이터 과학자들은 많은 소액결제와 깃발을 감지하기 위해 시스템을 훈련시킨다. 스머핑과 같은 돈세탁 기술은 재정 감리에 의해 예방될 수 있는 그러한 사례 중 하나이다. 머신 러닝 알고리듬은 네트워크 보안을 크게 향상할 수 있다. 이러한 기술이 가까운 미래에 가장 진보된 사이버 보안 네트워크에 힘을 실어줄 가능성이 크다.

아디엔, 페이오네어, 페이팔, 스트라이프, 스킬과 같은 회사들은 주목할 만한 핀테크 기업들이다. 이 회사들은 보안 머신 러닝에 많은 투자를 한다.

3. 부정행위 탐지 및 예방

당신은 'Freedom 251'을 기억하나요? 이 스마트폰은 Ringing Bells Private Limited가 인도에서 251파운드의 판촉 가격으로 판매한 스마트폰이었다. 세계에서 가장 저렴한 스마트폰으로 마케팅을 했지만, 나중에는 약속했던 것과는 정반대인 것으로 밝혀졌다.

그 회사는 2016년 6월에 5백만 대의 전화기를 팔기로 계획했다. 주요 예약 때문에 웹사이트가 다운되었다. Rs 251 가격으로 30,000건의 예약이 필요했습니다. 더 말할 필요도 없이, 그것은 그 회사가 하려고 했던 사기 계획이었다.

나는 미래에 그러한 사기를 행하는 것이 가능하지 않다고 말하는 것이 아니다. 그러나 머신 러닝(machine learning)과 금융 사기와 관련된 부정행위 탐지 소프트웨어 전쟁을 억제할 수 있습니다. 이러한 부정 트랜잭션을 식별하고 방지하기 위해서는 대량의 데이터를 분석하는 데 도움이 될 수 있는 정교한 설루션이 필요합니다. 머신러닝으로 새로운 희망이 생겼다. 패턴을 발견할 수 있으며 예측 분석을 사용하고 기계 학습 알고리즘을 적용하여 이러한 부정 트랜잭션을 차단할 수 있다.

4. 투자 예측

머신 러닝은 고급 시장 통찰력을 제공합니다. 펀드매니저는 머신러닝(machine learning)을 이용해 기존 투자 모델을 통해 시장 변화를 가능한 일찍 파악한다.

머지않아 머신러닝 기술이 투자은행 산업을 교란시킬 것이다. JP모건, 뱅크 오브 아메리카, 모건스탠리와 같은 주요 기관들은 자동화된 투자자문을 개발했다. 이것들은 기계 학습 기술에 의해 작동됩니다. 그러나 투자 예측을 통해 리스크를 최소화할 수 있다고 생각한다면, 그런 일은 결코 일어나지 않습니다. 누군가가 누군가의 손실이 누군가의 이득이라고 말한 것은 옳다.

5. 리스크 관리

리먼 브라더스 홀딩스는 세계적인 금융 서비스 회사였다. 이 은행은 골드만 삭스, 모건 스탠리, 메릴 린치에 이어 미국에서 네 번째로 큰 투자 은행이었다. 그것의 운영은 투자 은행, 주식 및 고정 수입 판매와 무역 조사, 투자 관리, 사모, 그리고 개인 은행 분야에서 이루어졌다. 하지만, 슬픈 부분은 그것의 운영이 2008년에 닫혔다는 것이다.

글로벌 시장이 타격을 받고 다른 은행들도 위태로운 처지에 놓였기 때문이다. 그들은 모기지 시장에 크게 관여하게 되었고 서브프라임 모기지 판매자 BNC 모기지에게 빚을 졌다. 그 투자자는 은행에 대한 신뢰를 잃었다. 따라서 리스크 관리의 부재가 서브프라임 모기지 사태로 이어졌다.

기존 소프트웨어 애플리케이션은 대출 애플리케이션 및 재무 보고서의 정적 정보를 기반으로 신용도를 예측했습니다. 그러나 머신러닝 기술로 그 영역이 더욱 넓어졌습니다. 이제 현재 시장 동향과 관련 뉴스 항목까지 빠르게 파악할 수 있다.

이를 통해 리스크 관리가 확대되고 금융범죄 예방과 금융위기 예측에 도움이 될 수 있다.

6. 로보 어드바이저

로보 어드바이저는 이제 금융 분야에서 보편화되었다. 자문 영역에는 기계 학습의 두 가지 주요 응용 프로그램이 있다. 다음과 같습니다.

• 포트폴리오 관리 - 알고리즘과 통계를 사용하여 고객의 자산을 할당, 관리 및 최적화하는 온라인 자산 관리 서비스입니다. 여기에 사용자는 현재 금융자산과 목표를 입력합니다. 예를 들어 X 씨가 50세까지 백만 달러를 저축한다면 로보 어드바이저(Robo-advisor)는 자신의 위험 선호도와 원하는 목표에 따라 투자 기회 전반에 걸쳐 현재 자산을 할당하게 됩니다.
• 금융 상품 추천 - 많은 온라인 보험 서비스들이 로보 어드바이저를 사용하여 개인화된 보험 플랜을 추천하기 때문에 고민자 님은 딜레마에 직면하지 않습니다. 그래서 고객들은 개인 금융 고문보다는 로보 어드바이저로 혼란을 해결한다. 로보 어드바이저는 수수료 인하를 지원할 수 있을 뿐만 아니라 개인 맞춤 및 보정된 권장 사항을 제공합니다.

7. 고객 서비스

금융기관들의 문제는 그들이 목표를 달성하고 따라서 고객을 잘못된 방향으로 이끌려고 노력한다는 것이다. 수익을 극대화하기 위해 고객을 이용하려고 시도하는 경우도 있습니다. 따라서 가상 보조자의 도움을 받으면 편견이 줄어들 수 있습니다. 유일한 실상은 유망한 투자자들에게 보일 것이고 그들은 정확한 정보와 그들의 문제에 대한 빠른 해결책을 얻을 수 있을 것이다.

챗봇: 말하는 로봇

예전에도 챗봇이 존재했지만 효과는 그리 크지 않았다. 이제, 기계 학습으로, 그들은 배울 수 있습니다. 각 고객의 행동에 따라 접근 방식을 조정합니다. 단순히 정해진 일련의 지시사항을 따르는 것이 아니라, 사용자가 일반 사람처럼 질문을 하는 것을 도울 수 있다.

8. 대출 서류 작성

머신 러닝은 위험을 식별하고 높은 보험료를 설정하는 데 도움이 됩니다. 역사적 패턴과 현재 트렌드로 보험사들이 수익성을 높이기에 안성맞춤인 차량이다. 머신 러닝은 언더 쓰기의 위험을 줄여줍니다.

이러한 위험은 자금 보호와 관련된 모든 분야에서 처리될 수 있다. 대출, 건강, 주택담보대출, 생명보험 중 어느 것이든 머신러닝은 모든 위험을 관리하는 데 도움이 될 수 있다.

그것은 또한 금융과 보험에서 매우 흔한 업무와 완벽하게 들어맞는다. 데이터 과학자는 각 고객에 대해 수백 개의 데이터 항목이 포함된 수천 개의 고객 프로파일에 대한 모델을 교육하고 실제 환경에서 언더 쓰기 및 신용 점수 매기기 작업을 수행합니다. 이러한 채점 엔진은 직원들이 훨씬 더 빠르고 정확하게 작업할 수 있도록 도와줍니다.

지금까지 재무 관련 머신 러닝 기사에 혼선이 있었습니까? 의견란에 당신의 의문을 공유하세요.

9. 무역 결제

무역결제란 대금을 교환하고 결제하는 과정을 말한다. 많은 이슈들이 무역 결제에 지장을 초래할 수 있다. 그러나 기계 학습은 이러한 경우가 아니며 거래 실패가 없다는 것을 보장합니다.

현대적 거래 플랫폼과 함께 규제 요건은 줄어들었다. 이것은 무역 실패를 줄였다. 비효율성의 제어는 수동으로 해결되었습니다. 이제 머신 러닝을 통해 실패의 원인을 알 수 있을 뿐만 아니라 그에 대한 해결책도 제공할 수 있습니다. 그것도 몇 초 안에. 또한, ML은 정상적인 거래 패턴에 대한 예외를 식별함으로써 어떤 거래가 실패할 가능성이 있는지를 예측할 수 있다.

10. 마케팅

마케팅은 기업 금융과 은행업계에 종사하는 사람들을 돕는다. 예측 분석을 마케팅에 도입함으로써 과거의 행동을 바탕으로 예측을 할 수 있는 능력이 쉬워졌습니다.

웹 활동을 적절하게 모니터 할 수 있고, 모바일 앱 사용을 이해하여 트렌드와 패턴을 찾을 수 있습니다. 또한, 이전의 광고 캠페인에 대한 반응도 분석할 수 있습니다. 머신 러닝 소프트웨어를 사용하면 정확한 예측이 이루어지고 마케팅 전략의 효과가 향상됩니다.

11. 네트워크 보안

컴퓨터 바이러스, 웜, 트로이 목마, 좀비 및 보넷은 오랫동안 존재하는 바이러스입니다. 가장 큰 과제는 현대의 정교한 사이버 공격을 식별하는 것이었는데, 이는 그것이 과거의 보안 소프트웨어로 밀려날 수 없기 때문이다.

첨단 기술을 통해 머신러닝 보안 설루션은 세계 금융 데이터를 안전하게 보호할 수 있습니다. 빅 데이터 기능과 결합된 지능형 패턴 분석 기능은 ML 보안 기술을 통해 기존의 비 AI 툴보다 앞서 있습니다.

12. 알고리즘 트레이딩

시간, 가격, 물량 등의 변수를 설명하는 지시사항이 시간이 지남에 따라 주문의 작은 조각을 시장에 내보내는 자동화된 사전 프로그램 거래입니다. 거래 프로세스의 자동화로 사전 정의된 기준이 설정됩니다. 이 작업은 거래자나 펀드매니저가 수행합니다.

알고리즘 트레이딩을 위한 머신 러닝은 지능형 트레이딩에 가깝습니다. 자동보다 알고리즘 트레이드를 더 많이 만들 수 있는 새롭고 다양한 도구 모음을 제공합니다.

그들은 무역 예측을 하고 특히 역사적인 시장 행동을 분석하고 최적의 시장 전략을 결정하기 위해 큐레이션 된다.

13. 프로세스 자동화

프로세스 자동화로 문서의 해석이 효과적이 되었습니다. 또한 데이터 분석을 효과적으로 실행할 수 있습니다. 지능형 응답을 실행하여 문제가 발생하기 전에 사람의 주의가 필요한 문제를 식별할 수 있습니다.

또한 머신 러닝은 기관의 프로세스에 대한 실시간 감사를 실시하여 규제 준수를 만든다.

우리는 자동화가 수동 작업을 대체하고 반복적인 작업을 자동화한다는 것을 알고 있다. 그러나, 생산성 향상과 함께, 머신 러닝은 기업이 비용을 최적화하고, 고객 경험을 개선하고, 서비스를 확장할 수 있도록 지원합니다.

• 챗봇
• 콜 센터 자동화.
• 서류 자동화.
• 직원 교육 등을 게임화합니다.

이것의 예는 JP모건 체이스이다.

JP Morgan Chase는 Natural Language Processing을 활용할 수 있도록 지원합니다. 그것은 기계 학습 기술 중 하나이다. 콜 센터에서는 법률 문서를 처리하고 해당 문서에서 중요한 데이터를 추출합니다. 연간 12,000건의 상업 신용 계약을 수동으로 검토하는 데는 일반적으로 약 360,000시간의 노동 시간이 소요됩니다. 그러나 머신 러닝 리뷰를 사용하면 몇 시간 만에 동일한 내용을 검토할 수 있습니다.

14. 콘텐츠 작성

콘텐츠 작성자, 아티스트, 그리고 다른 콘텐츠 제작자들이 머리를 짜내야만 하는 시대는 지났다(창의적인 사람들:P). 자연어 처리(NLP)와 기계 학습의 발달로 기계는 콘텐츠를 생성할 수 있다.

금융기관이 작성한 내용은 반복적이다. 새로운 콘텐츠를 만들거나 새로운 콘텐츠에 추가할 필요가 거의 없습니다. 재무 요약(대차대조표 및 P/L) 회사 프로필, 심지어 주식 보고서도 ML 소프트웨어로 쉽게 작성할 수 있습니다. 시간은 돈이고, 기계학습은 인간보다 그것을 더 잘 안다.

15. 돈세탁 방지

기계 학습은 돈세탁 활동을 차단합니다. 돈세탁 특유의 패턴을 파악할 수 있다. 따라서 탐지율이 증가하고 잘못된 긍정 평가가 감소하며 규제 컴플라이언스가 쉬워집니다.

16. 사용자 지정 머신 러닝 설루션

금융 기관이 머신 러닝 설루션에 보다 수용적이 되면서 ML 기술을 어디서 취득해야 하는가에 대한 문제가 대두되고 있다.

요약

이로써 금융 분야의 머신 러닝에 대한 튜토리얼이 끝났습니다. 우리는 사례와 함께 금융 분야에서 머신 러닝의 다양한 활용 사례를 연구했다. 이번에는 기업가들을 위한 기계 학습에 대한 기사를 위한 차례입니다.

워렌 뷔페의 말로 마무리짓습니다.

'비정상적인 결과를 얻기 위해 특별한 일을 할 필요는 없다.'