兴业基金：“兴小二”AI债券交易机器人公募基金数智化赋能

扫描分享

本文共字，预计阅读时间。

案例名称

“兴小二”AI债券交易机器人公募基金数智化赋能

案例简介

近年来，随着alphago、ChatGPT等人工智能应用的出现，人工智能技术也逐渐渗透到各个行业和领域，在全球范围内，许多金融机构都在积极探索和应用人工智能技术提高业务效率和客户体验。2022年起兴业基金通过与中国外汇交易中心在数智化领域合作，依托外汇交易中心iDeal标准化服务接口和客户端开放框架，结合基于深度学习的自然语言处理（NLP）、命名实体识别（NER）等人工智能技术自研“兴小二”AI债券交易机器人，并于2023年2月正式上线，成为首家上线iDeal智能询价机器人的公募基金公司。

创新技术/模式应用

在银行间债券交易市场，兴业基金作为债基规模较大的公募基金公司，日常债券交易员询价和交易的工作量可谓十分繁重。为有效减轻公司债券交易员询价、交易的工作压力，探索AI技术在银行间交易领域的赋能场景，2022年起兴业基金通过与中国外汇交易中心在数智化领域合作，依托外汇交易中心iDeal标准化服务接口和客户端开放框架，结合基于深度学习的自然语言处理（NLP）、命名实体识别（NER）等人工智能技术自研“兴小二”AI债券交易机器人。

AI债券交易机器人上线后嵌入到兴业基金现券交易员的日常询价、交易流程中，通过NLP对内/外部的询价聊天文本进行语义识别，提取交易要素，形成询价指令发送本/对手方，极大地提高了公司交易员日常工作效率。

创新技术1：基于深度学习的自然语言处理（NLP）中引入依存语法和语义角色标注

在自然语言处理上，本方案为有效提升债券交易AI机器人在询价聊天中前后文语义关联的理解能力，引入了基于深度学习的依存语法(Dependency Parsing, DP)和语义角色标注(Semantic Role Labeling, SRL)等技术。其中依存语法通过分析语言单位内成分之间的依存关系揭示其句法结构。主要依据神经网络依存句法分析算法，并加入丰富的全局特征和聚类特征。语义角色标注采用基于Bi-LSTM的语义角色识别模型，可以作为段落级指标解析的辅助工具，从而在训练集上的准确率超过96.5%。

创新技术2：提出了“基于多层次特征模型与预训练的命名实体识别方法”

命名实体识别旨在从非结构化文本中抽取出特定的实体信息，并形成结构化的数据输出，是典型的词语级别的序列标注问题。针对交易询价聊天分析中面临的实体类型众多、实体边界划分模糊、存在大量一词多义的问题，本方案创新提出引入基于最新预训练语言模型的Bi-LSTM-CNN+CRF的结构作为解决方案实现命名实体识别，从而具备以下几个特点：1）特征多维度融合；2）模型更加鲁棒和泛化；3）有效缓解实体歧义等优势。

应用模式：引入交易风险实时提示预警，提升交易成功率

插图1

插图2

应用模式上“兴小二”债券交易AI机器人在交易询价阶段引入基于NLP的交易要素检查环节，对于可能存在不满足风控条件的询价发生时，增加交易风险实时提示预警，可有效减少交易过程中违约情况的发生，帮助交易员降低交易风险，提升交易成功率，促进公募基金银行间市场交易的高质量发展。

项目效果评估

业务价值：公司交易部负责人表示，随着公司债基规模不断增加，交易员询价、审查工作量日益剧增，AI债券交易机器人可以有效解决上述业务痛点。交易员与AI债券交易机器人“兴小二”对话，“兴小二”通过自然语言处理（NLP）AI模型解析本方交易员询价需求，形成本方交易需求池，以聊天的方式提示交易员是否超限，是否可询价交易等，快速促进交易达成。“兴小二”通过与对手方交易员聊天方式获取对方交易员信息，筛选判断交易意向，快速撮合交易。AI债券交易机器人可以用秒帧级同时处理上百条询价信息，上线短短两个月内通过“兴小二”询价超过2000多笔现券交易，检查出100多笔合规存疑指令并成功拦截，有效提升了银行间市场交易成功率。

技术价值：

在人工智能、大数据等技术迅速发展的今日，本项目积极响应国家十四五规划中国经济发展新常态下突出创新驱动、着眼提质增效的号召，探索了基金行业数字化转型，运用基于深度学习的自然语言处理、命名实体识别、事件抽取等人工智能技术创新优化了交易询价的工作方式，发挥基金公司专业的债券交易能力，通过技术创新为投资人带来经济效益。

社会价值：“兴小二”AI债券交易机器人自动询价功能是兴业基金在基金交易领域AI数智化赋能的一次成功探索，未来兴业基金也将继续贯彻落实证监会“十四五”规划数字化转型要求，与外汇交易中心深入合作，积极推进机器人功能从询价拓展到交易落地一站式整体处理，进一步提高银行间市场交易的成功率，促进银行间市场交易的高质量发展，为我国证券基金行业数字化转型创造社会价值。

插图3