Tokyo Financial Information & Technology Summit 2018

В четверг 5 июля мне удалось посетить интересное мероприятие Tokyo Financial Information & Technology Summit 2018. Тема конференции была инновации в сфере финансов. На конференции присутствовало много людей из сферы IT местных инвестиционных банков. Я ниже изложу несколько плодотворных идей, которые мне удалось почерпнуть во время посещения этой конференции и общения с коллегами.

Инновации и хайп

Новое слово в сфере финансовых технологий: robotics processing automation. На самом деле слово не новое — это все та же старая добрая автоматизация в сфере финансов, только выраженная другими словами. Она неожиданно даже выскочила в Беларуси. Так как расходы банкам надо сокращать, а платить огромные деньги банковским работникам на выполнение рутинных действий является расточительством, курс взят на автоматизацию всего и вся. Чаще всего это касается бизнес-процессов и автоматизации работы back office: бухгалтерии, клиринга, платежей, генерации отчетов, переноса данных из одних формочек в другие. Поверьте, это огромный объем ежедневной работы. Но никакой новой технологии здесь ожидать не приходится, так как «все уже написано до нас«, просто потребуется писать много кода и по возможности заменять людей  компьютерами.

На хвосте этой темы идет тенденция аутсорсить back office. Речь не об аутсорсе в Индию ключевых разработок, а о сокращении расходов на операции, которые можно поручить выполнять стороннему подрядчику: все та же генерация отчётов, сбор данных с бирж, settlement, clearing. Это значит, что будет больше вендоров, готовых взять на себя рутинную и крайне дорогую работу у банков. От себя: А потом, наверняка, лет через десять — будет обратный тренд. Банки поймут, что вендоры их держать за важные места, ненадежны и зашиваются с поддержкой всех своих клиентов и начнут возвращать все обратно.

Blockchain. С этой технологией носятся уже несколько лет, и о ней говорят, как о новейшей революционной технологии, которая перевернет наш мир. Если в вашем приложении или стартапе нет блокчейна, вам не видать венчурных инвестиций, приглашений на модные техконференции и интервью в модных техжурналах. Реалность же показывает, что блокчейн пока так еще и не выстрелил. Создано множество стартапов, пытающихся его приладить к чему-то толковому, в банках запущены тестовые проекты в попытке выяснить, к чему же приладить этот блокчейн кроме спекуляции на торговле воздухом. Но все тщено. На конференции выступающие говорили, что опять надо наверное подождать два-три года, может тогда блокчейн покажет себя в чем-то. От себя: Данные высказывания совпадают и с тем, что я читаю в бумажной прессе и в блогах. Хайп о блочейне постепенно идет на спад.

Искуственный интеллект / Aritificial intelligence. Взрыв интереса к ИИ привел к такому же хайпу, что и в случае с блокчейном. Все с ним носятся, экспериментируют, но никто пока реально не может показать, какую пользу он может принести в индустрии финансов, электронной торговли и управлении активами. Есть даже мнение, что использование ИИ может привести к опасной тенденции, когда ИИ станет «чёрным ящиком», решения которого никто не сможет внятно объяснить. Если ваш ИИ начнет торговать или давать советы, а вы не сможете объяснить его поведение своим клиентам, надзорным органам или аудиторам, вас могут ждать очень большие неприятности. От себя: подобную мысль я слышал на такой же конференции год назад. Значит за год так ничего и не изменилось.

Облачные вычисления / Cloud technologies. Хайп с облачными вычислениями затронул и банки. По возможности какую-то инфрастурктуру банки переносят с облака с большим-большим НО. Так как банки находятся под надзором регулирующих правительственных организаций (и этот надзор год от года крепчает), банкам приходится сто раз подумать, прежде чем что-то помещать в публичные облака. Все эти законы о защите информации, тайнах клиента, инсайдерстве, китайских стенах накладывают очень большие ограничения на то, что банк может и что не может делать со своими (и не своими) данными. Риск очень велик и проще не делать с облаками ничего, чем что-то сделать, а потом платить огромные штрафы и нести репутационные потери в случае взлома облака или случайной утечки данных на сторону. От себя: выход для банков, наверное, лежит в «приватных облаках», построенных по облачной философии, но на собственной инфраструктуре. Тогда и данные не утекают, и инфраструктура под собственным контролем и облачные сервисы в наличии.

Искуственный интеллект в торговых технологиях

В следующей презентации принимали участие David DeGraw — Head of Algorithmic Trading, Daiwa Securities, и Tatsuo Ichikawa — Managin Director, Japan Post Bank. Темой этой презентации было использование ИИ уже в конкретных финансовых проектах.

David DeGraw поделился своими мыслями:

• Конкретно в его проекте использовался подраздел ИИ — машинное обучение — в попытке предсказать движение цены актива и объем торгов, чтобы на основании этого предсказания попытаться выстроить торговую стратегию.
• Использованиие ИИ в финансовой организации не должно начинаться сверху-вниз: то есть нельзя сначала нанимать команду, закупать оборудование, вкладываться в инфраструктуру, оформлять все в отдел. Это будут большие затраты, и неизвестно, окупятся ли они, даст ли работа какие-то ощутимые результаты, способные эти затраты оправдать.
• Скорей всего начинать ИИ-проекты в банках надо с снизу-вверх, с малого: с малой команды энтузиастов, с прототипов и исследований. Если прототип (PoC — proof of concept) или проект показывает какие-то результаты, финансирование можно увеличить и перевести работы на уровень повыше. И так до тех пор, пока проект не вырастет и не станет приносить ощутимую измеряемую пользу.
• Работы в области ИИ невозможно вести в рамках банка. Неизбежно требуется сотрудничество с научным сообществом. Там проводятся эксперименты, исследования, пишутся работы и отчеты, а банк финансирует их и использует результаты для оценки переспективности проекта.
• Для ИИ-проекта банку требуется привлечь не просто специалистов ИИ, а топ-специалистов в этой области. Ни одна научная звезда в области ИИ не пойдет из научного учреждения работать в банк. Поэтому, как сказано выше, банки финансируют ученых грантами на исследования. Например Daiwa Securities сотрудничает уже три года с Токийским Университетом в области машинного обучения и ИИ. Все эти исследователи объединились в исследовательскую группу SigFIN и обмениваются материалами.
• Для экспериментов с ИИ Daiwa Securities и ученые используют open-source библиотеку TensorFlow от Google и гоняют свои исследования и вычисления в облаке Amazon. Так они избегают излишних расходов на инфраструктуру и могут легко масштабировать свои ресурсы, просто докупая их у Amazon.

От себя добавлю: ИИ уже переживал рост интереса в 80-ых годах, когда считалось, что еще немного усилий и науке удастся создать думающие машины и даже думающие военные компьютеры. Все это делалось на деньги правительства и оборонного комплекса. Когда исследования не дали результатов, а финансирование было урезано, наступила «зима ИИ«. Взрыв интереса к ИИ в последние годы вызван ростом производительности параллельных компьютерных систем: появлением GPGPU (графических карт общего назначения), вычислительных модулей Xeon Phi, многоядерных процессоров. То, для чего в 80-е году требовались суперкомпьютеры, какие-то особенные суперпроцессоры и архитектуры, сейчас легко выдается графическими картами nVidia или даже Raspbery Pi!

Презентация от представителя Japan Post Bank:

• в Japan Post Bank ИИ используется не для торговли, а для управления активами клиентов.
• ИИ использовался для извлечения полезных данных из: текстов новостей, рыночных данных, исторических данных и для проведения sentiment analysis. Все — с целью предсказания рынка.
• В основном ИИ использовался для предсказания рынка на короткую перспективу — 3-6 месяцев. При попытке предсказания на более дальнюю перспективу качество предсказаний падает.
• Предсказания ИИ используются как дополнительный источник информации. Использовать ИИ для ежедневной торговли на бирже крайне нерекомендуется из-за ненадежности существующих пока методов.
• Эффективность использования ИИ пусть и небольшая, но все же есть. Использование ИИ улучшает качество управления активами пусть на несколько процентных пунктов, но, если объемы активов велики (триллионы йен, например), эта эффективность выражается уже в сотнях миллионов йен дополнительной прибыли.
• Главная трудность — подготовка исторических данных для обучения ИИ. Данные надо чистить и подходить к этому со всей серьезностью. Некоторые особенности исторических рыночных данных (отсуствие данных по каким-то периодам, какие-то особые случаи или события) могут привести к искажению результатов обучения.

Надеюсь, вам было интересно.