Refinitiv：低质量数据阻碍外汇市场部署基于机器学习技术的交易模型

全球金融市场数据和基础设施提供商Refinitiv首次对近450名金融机构领导者和数据科学家进行了机器学习调查，调查结论指出，企业在采用和部署机器学习技术时面临的最大阻碍是数据的质量。

调查显示，90％的受访企业已部署机器学习技术，78％的企业表示该技术是其业务战略的核心组成部分。

值得注意的是，在外汇市场，39％的受访企业在使用市场数据来应用基于机器学习技术的模型，不过这一比例远低于股票市场（72%）和固定收益市场（63%），也低于衍生品市场（40%），造成这种差异的原因在于企业可以获取的数据本身。

外汇数据提供商Mosaic Smart Data的CEO兼创始人Matthew Hodgson对此表示，外汇市场没有标准化的消息语言，因此金融机构从不同场所以及市场数据提供商那里获得的数据会呈现不同的格式；然而机器学习需要的是标准化的数据，这无疑是充满挑战的大工程。

非结构化数据以及来自另类来源的数据在一定程度上有利于开展分析，但若想通过此类数据产生深度见解，企业还需做大量的其他工作。

Refinitiv在调查报告中指出，对低质量数据进行标准化及清理的工作，占据了部分金融机构里数据科学家90%的时间；而对外汇行业而言，部分企业不仅面临数据质量低下的问题，还缺乏构建机器学习交易模型所需的关键数据。

机器学习交易工具提供商Pragma的首席商务官Curtis Pfeiffer认为，在外汇市场应用AI（人工智能）技术还为时尚早。

此外，Refinitiv还在调查报告中给出了以下预测：

AI将成为金融服务领域竞争优势的最大推动者。没有人比创建模型和算法的数据科学家更了解数据问题，但是企业管理层的愿景往往忽视了实际问题。世界各地的技术采用和使用方式存在差异，美国和加拿大的金融机构处于领先地位；具体到不同区域，亚洲和欧洲地区的金融机构则不分伯仲。在此次接受调查的金融机构中，买方机构在技术采用方面领先于卖方，但卖方的进度更快。