پایگاه خبری فولاد ایران- شش بانک بزرگ بینالمللی از مدل هوش مصنوعی تخصصی شرکت آنت اینترنشنال برای پیشبینی ریسک ارزی، مدیریت جریان نقدی و تصمیمگیری درباره پوشش ریسک ارز استفاده میکنند. این مدل که بهطور اختصاصی برای تحلیل دادههای مالی و سریهای زمانی طراحی شده، قرار است دقت پیشبینی بانکها را افزایش داده و به گفته آنت، هزینههای پوشش ریسک و تخصیص منابع ارزی را بیش از ۶۰ درصد کاهش دهد.
به گزارش رویترز، برخلاف مدلهای عمومی هوش مصنوعی که برای طیف وسیعی از کارها طراحی شدهاند، این مدل مشخصاً برای پیشبینی سریهای زمانی مالی ساخته شده است؛ یعنی حجم زیادی از دادههای تاریخی مربوط به نرخ ارز، جریانهای نقدی و سایر متغیرهای مالی را بررسی میکند تا الگوهایی را برای پیشبینی شرایط آینده پیدا کند.
کاربرد اصلی مدل در این مرحله، مدیریت ریسک ارزی و نقدینگی است. برای مثال، بانکهای بینالمللی روزانه باید تخمین بزنند چه میزان ارز در آینده در اختیار خواهند داشت، مشتریان چه میزان ارز برای پرداختهای بینالمللی نیاز خواهند داشت و چه مقدار از موقعیت ارزی خود را باید از طریق ابزارهای پوشش ریسک محافظت کنند. هرچه این پیشبینی دقیقتر باشد، بانک میتواند منابع ارزی خود را با هزینه کمتری مدیریت کند و در برابر نوسانات نرخ ارز آسیبپذیری کمتری داشته باشد.
در میان بانکهای استفادهکننده، سیتیگروپ، اچاسبیسی، دویچهبانک، استاندارد چارترد و بارکلیز قرار دارند و در مجموع شش بانک بزرگ با این فناوری همکاری کردهاند. طبق اطلاعات منتشرشده، برخی از این بانکها مدل را مستقیماً در ابزارهای پیشبینی جریان نقدی، مدیریت نقدینگی و مدیریت پوشش ریسک ارزی به کار گرفتهاند؛ بنابراین موضوع صرفاً آزمایش یک مدل در محیط تحقیقاتی نیست، بلکه به فرایندهای عملیاتی بانکها وارد شده است.
نکته مهم دیگر، ادعای آنت درباره عملکرد این مدل است. این شرکت میگوید در برخی ارزیابیهای خود به دقت پیشبینی بالای ۹۳ درصد رسیده و پیشبینی دقیقتر میتواند هزینههای پوشش ریسک و تخصیص ارز را بیش از ۶۰ درصد کاهش دهد. البته این ارقام، ادعاهای خود شرکت هستند و رویترز نیز تأکید کرده که جزئیات کامل مبنای محاسبه این کاهش هزینه منتشر نشده است؛ بنابراین نباید آن را بهعنوان نتیجه قطعی همه بانکها تلقی کرد.
اهمیت این خبر فقط در استفاده بانکها از یک مدل جدید نیست؛ نوع کاربرد هوش مصنوعی اهمیت بیشتری دارد. بانکها پیش از این نیز از هوش مصنوعی برای تشخیص تقلب، خدمات مشتری و تحلیل اعتبار استفاده میکردند، اما در این مورد هوش مصنوعی مستقیماً وارد یکی از حساسترین بخشهای ترازنامه بانک یعنی مدیریت نقدینگی و مواجهه با ریسک ارز شده است. به بیان دیگر، خروجی مدل میتواند در تصمیمی اثر بگذارد که مستقیماً روی هزینه مالی بانک تأثیر دارد.
این اتفاق نشانه حرکت صنعت مالی از هوش مصنوعی عمومی به سمت هوش مصنوعی تخصصی و مبتنی بر دادههای عملیاتی است. برای شرکتهای صنعتی و بازرگانی نیز این روند اهمیت دارد؛ زیرا همین فناوری میتواند در آینده برای پیشبینی جریان نقدی، قیمت مواد اولیه، تقاضا، موجودی انبار، نرخ ارز و ریسک زنجیره تأمین مورد استفاده قرار گیرد. آنت نیز اعلام کرده کاربرد فناوری خود را فراتر از بانکداری و به حوزههایی مانند لجستیک، تجارت الکترونیکی و هوانوردی گسترش میدهد.
منبع:رویترز