跨办公室机器智能革命

直到最近，机器智能只能被大型卖方机构和复杂的定量交易组织用来改善它们在市场中的运作方式。但是，随着技术的进步继续推动机器学习功能的深度和广度，它允许各种规模和规模的金融公司提高其合规性和交易能力。

机器智能的重要性在于，它有能力通过从前端到后端的数据中寻找新的含义来帮助客户改善其业务模型，然后将这些见解转化为绩效回报。

机器驱动的见解

Mike O’Rourke（如图）是机器智能与数据服务全球副总裁，负责纳斯达克的所有机器学习计划。他说，纳斯达克正在寻求利用该技术的三个关键领域：“通过提供更多与上下文相关且用户友好的应用程序来改善与用户的互动；提供他们原本无法获得的见解；并使认知过程自动化以创建更一致的产品。”

在纳斯达克的数据组中，它希望回答两个关键问题：这项技术如何帮助客户更有效地进行交易？以及如何帮助他们改善投资和交易策略？

为了回答第一个问题，纳斯达克的创新实验室利用最先进的可扩展技术为纳斯达克的客户提供全面的多资产类市场数据解决方案，并于去年11月推出了纳斯达克交易见解。该技术可用于帮助客户确定由于延迟或流动性问题而错失的贸易机会，并提高填充率。

正如O'Rourke确认的那样：“我们有很多交易服务台的负责人来对我们说：‘有了SMARTS，您就能确定我们可能在欺骗市场的地方。当然，您可以采用相同的技术并告诉我们何时我们的一种算法不能很好地工作或设计不当？您能告诉我们什么时候受到影响，以便我们改变交易策略吗？”

为了回答第二个问题，它创建了Nasdaq Analytics Hub。

O’Rourke解释说：“在纳斯达克分析中心，我们接收第三方数据集并将其与我们自己的市场数据混合在一起。”“然后，我们实施专有的机器学习流程来清理数据，应用转换并最终突出显示数据中的信号-为客户的交易策略提供优于绩效的指标。这是关于创建市场环境以及该环境的交付一致性。”

这是一种从客户以前可能无法获得的数据中生成洞察力的方法。纳斯达克的客户有潜力在市场上获得优势，并开发出同行无法产生的投资想法。

Analytics Hub使用四个初始数据集：纳斯达克多西赖特（Nasdaq Dorsey Wright）技术分析数据，社会情感数据，宏观经济指标（例如中央银行通讯）和散户投资者情感数据。

这就是当今用于交易和分析目的的数据流的庞大性，人类将越来越多地依赖于机器学习技术。没有它，他们将根本无法发现大量数据集中的潜在信号或异常，然后可以将其实施到自己的交易策略中，以在市场上更有效地竞争。

消除噪音

纳斯达克交易见解和纳斯达克分析中心使用机器智能作为剑，通过它渗透市场以产生对资本的见解-因此更加专注于前台，而纳斯达克在AI方面的技术进步同样适用于中端和后台表现得更像是盾牌。

在这种情况下，纳斯达克（Nasdaq）的风险与监视业务部门将利用该技术，尤其是其SMARTS监视解决方案。

简而言之，SMARTS Trade Surveillance使潜在滥用或无序交易的检测，调查和分析自动化，以帮助提高监视组织的整体效率并降低成本。

“今天，我们正在为客户做所有这一切。这样既可以防止合规风险，又可以确保钱不浪费，” O’Rourke说。

市场监管侵犯了业务的各个方面，要求交易所，监管机构和金融机构（包括买卖双方）密切监视和识别市场滥用行为，遵守有关其交易行为的监管规则，并提供帮助确保全球市场的整体透明度。

使用传统的贸易监控，所有警报的创建都是平等的。纳斯达克（Nasdaq）的机器学习技术分析数据点，以确定警报变为更严重事件的可能性。机器智能和自然语言处理的结合使公司能够对警报进行排名和评分，从而帮助消除市场上的大量噪音，并使客户可以将更多的时间花在优先级最高的警报上。

O’Rourke解释说：“通过在SMARTS中生成这些警报，我们可以使用机器学习来确定在引发警报之前，涉及哪些因素，而不必使用一组严格的基于逻辑的规则。”

这就是O'Rourke较早提出的提供上下文和一致性的地方，也适用于中层和后台。

从上下文的角度来看，随着监管机构将更多的资产类别纳入范围，消息流也在增加。纳斯达克的客户在正在产生的标志和警报的压力下苦苦挣扎；尤其是当场外交易市场转向集中清算时。

纳斯达克风险与贸易解决方案产品开发主管Michael O’Brien表示：“到目前为止，基于逻辑的警报一直是人们如何监视市场的基石。”“客户想犯错，要戒备警报，以免错过任何东西，但是问题就变成了'当市场上出现多个警报时，我们如何将他们指向正确的方向？ ？我们如何才能为任务提供背景信息，并帮助他们评估这些警报和标志？’”

SMARTS已经在纳斯达克北欧交易所成功运行了市场监视功能。奥布赖恩说，这是一个运用直觉的过程–此警报是否有趣？–并查看是否可以预测由分析师团队进行升级或关闭的过程，以便对警报进行动态评分。

“我们研究了客户如何获得警报并逐步升级。使用机器智能技术，我们可以高度准确地预测客户可能会关闭警报，不采取进一步措施或升级警报的时间。”

展望未来，其目标是该技术将能够根据纳斯达克客户的历史记录处理和升级这些警报的方式对其进行预先评分。与基于逻辑的规则（固定的和线性的）不同，机器智能具有适应不同数据集的能力，从而为客户的业务模型带来了全新的制度化和自动化多层。

检测并发现

O’Brien继续说：“我们将警报同时作为一种检测机制和发现机制，但这将涉及我们的买主和卖主客户的内部文化和流程变更。在过去的20年中，他们进行贸易监控的方式非常受流程驱动：查看并处理每条警报。”发现方法较少关注风险交易场景，而更关注执行交易的人。

发现机制采用SMARTS中的所有贸易订单聚合，并查找异常或异常数据的群集。虽然这本身并不产生警报，但它的作用是引起用户注意，某些东西开始看起来异常，并可能表明特定交易者的风险状况发生了变化。

“从长远来看，我们可能能够将不同的簇和异常映射到特定的行为；例如，它可能指向潜在的内幕交易活动，或者交易者或帐户在成为警报之前以与内幕交易相关的方式行事。”

利用机器智能来映射交易概况和行为以识别潜在的市场滥用的能力，表明了技术正在变得多么强大。

正确，明智地使用它，可以彻底改变金融组织内的合规计划，并使它们在监管机构和投资者眼中更加透明。特别是对于新兴管理者，他们可以通过更明智的最佳实践获得的运营Alpha水平可能会直接影响其筹款能力。

“随着我们带来越来越多的数据流，利用这一新兴技术将变得越来越重要。能够将数据映射到基于交易者的行为的能力，无论是保持合规性还是实现alpha水平，对于我们正在进行的机器智能增长策略都是至关重要的。” O’Rourke总结道。