داده کاوی و یادگیری ماشین در صنایع مالی

داده کاوی و یادگیری ماشین درصنعت بانکداری کاربرد‌های فراوانی دارند که میخواهیم در زیر بایکدیگر بررسی نماییم.

یادگیری ماشین

بانک‌‌ها و کسب‌وکارهای حوزه مالی در صنعت، از تکنولوژی یادگیری ماشینی برای اهداف متفاوتی استفاده می‌کنند.همچون:

• شناسایی و پیش‌بینی تراکنش‌های مهم مالی در داده‌‌ها
• پیشگیری از تقلب
• آنالیز جریانات مالی

این بینش‌‌ها می‌توانند فرصت‌های سرمایه‌گذاری را شناسایی نمایند، یا به سرمایه گذاران برای اطلاع یافتن درباره زمان مناسب برای داد و ستد کمک کنند.

از نمونه کاربردهای جذاب یادگیری ماشین می‌توان به جلوگیری از تقلب‌های مالی در معاملات بانکی آنلاین اشاره کرد.

هم چنین یک الگوریتم یادگیری ماشین جهت پیش‌بینی تعاملات بانکی می‌تواند کمک شایانی به کارشناسان مالی کند.

در ادامه به 10 مورد از کاربرد‌های یادگیری ماشینی جهت پیش‌بینی چالش‌‌ها در حوزۀ مالی و صنعت بانکداری اشاره خواهیم کرد:

1. پیش‌بینی سود و بازار سهام
2. پیش‌بینی دامنه نوسان قیمت
3. پیش‌بینی تعیین زمان معامله سهام
4. پیش‌بینی زمان تغییر قیمت اوراق بهادار
5. پیش‌بینی تقاضای مشتریان در بازار
6. پیش‌بینی فرارهای مالیاتی
7. پیش‌بینی بحران‌های مالی
8. پیش‌بینی کلاه برداری‌های اینترنتی
9. پیش‌بینی کلاهبرداری با استفاده از کارت‌های اعتباری
10. پیش‌بینی وام‌های بازپرداخت نشده توسط مشتریان

داده کاوی

داده کاوی می‌تواند مشتریانی که ریسک بالایی دارند را شناسایی کند، یا از نظارت سایبری برای اشاره به علائم هشدار تقلب استفاده نماید.

در صنعت مالی، داده‌کاوی شامل اخذ دانش مالی و رفتاری مشتریان از درون داده‌‌هاست.

به واسطه ی این استخراج، تحلیل‌های بنیادی و تکنیکال کارآمدی را می‌توان خلق کرد.

در صنعت مالی، با استفاده از مفاهیم ریاضیات و تحلیل‌های آماری، استفاده از الگوریتم‌ها و بکارگیری تکنیک‌های داده‌کاوی می‌توان برای درک رفتار بازارهای مالی و بررسی رفتار مشتریان این بازار‌‌ها اقدام کرد.

داده‌کاوی ‌می‌تواند برای اهداف مختلفی من جمله تحقیقات مالی مورد استفاده قرار گیرد.

یک بانک ‌می‌تواند از تکنیک‌های داده‌کاوی جهت جمع آوری داده‌‌ها در افزایش میزان خدمات استفاده نماید.و نتیجه آن را در بازاریابی بانک مشاهده نماید با استفاده از داده‌کاوی می‌توان نیازهای مشتریان را در آینده کشف کرد و فهمید که مشتریان به چه نیازها و خدماتی در آینده نیاز دارند و بیشتر توجهشان را جلب ‌می‌کند. به 10 مورد از کاربرد این تحلیل‌‌ها نیز در ادامه اشاره می‌کنیم:

1. کشف الگوهای نوسانات قیمت و روند‌های بازار
2. کشف پولشویی در بازار‌های مالی
3. بررسی الگوهای تعاملات داده محور و استراتژیک در صنایع مالی
4. بررسی واکنش مشتریان نسبت به ارائه و پیشنهاد وام‌های جدید
5. شناسایی بهترین زمان خرید سهام
6. شناسایی بهترین سهام جهت سرمایه‌گذاری
7. تشخیص صورت‌های مالی جعلی و متقلبانه
8. تشخیص مشتریانی که جهت انجام یک درخواست ویژه به بانک مراجعه می‌کنند
9. حفظ مشتریان با سابقه و کشف مشتریان جدید و و رتبه بندی مشتریان وفادار از دیگر مشتریان
10. بازاریابی داده محور مشتریان بانک‌‌ها جهت شناسایی

تفکیک پذیری کاربرد های داده کاوی و یادگیری ماشین به علاقه مندان دید بسیار مناسبی جهت مطالعه خواهد داد و این سبب ترویج تفکر داده محور خواهد شد.

امیررضا تجلی، کارشناسی ارشد مهندسی صنایع، دانشگاه تهران

موسی علیزاده، کارشناسی ارشد مهندسی برق، دانشگاه تربیت مدرس