Machine learning e IA estão ajudando Bank of America a identificar com mais precisão investidores para abertura de capital
A análise de dados não é nenhuma estranha para o setor de serviços financeiros, mas tomadas de decisões subjetivas, baseadas no instinto, ainda são normas em algumas áreas.
Tomemos banqueiros do mercado de capitais de ações (ECM), especializados em ajudar os clientes a levantar capital por meio de ofertas públicas iniciais (IPOs) e similares. Tradicionalmente, os banqueiros da ECM confiam no relacionamento com os investidores e nos seus conhecimentos do cenário financeiro e do setor para identificar aqueles com maior probabilidade de participar de um próximo acordo. O Bank of America procura transformar essa tradição de cabeça para baixo com o uso de Inteligência Artificial (IA).
“Quando você analisa os serviços financeiros e o uso da tecnologia para avançar com esses serviços, nem todas as linhas de negócios e todos os produtos são tão contemporâneos quanto os outros”, diz Elif Bilgi Zapparoli, co-diretor de mercados de capitais globais do Bank of America Securities.
O lado do consumidor dos negócios tende a ser muito contemporâneo, segundo a diretora, porque a base de usuários está toda na nuvem, na Internet ou em dispositivos móveis. No lado mais corporativo da casa, a tecnologia fica mais lenta, geralmente porque os próprios clientes estão do lado atrasado da curva tecnológica.
“Mesmo quando você olha para as nossas partes do negócio, o mercado é mais avançado do que o setor bancário, porque os clientes do mercado, o lado da compra, estão ‘eletronificados’ há décadas”, diz Zapparoli.
O Bank of America tem como objetivo mudar tudo isso. Ele está pegando pistas de avanços nas negociações quantitativas, como o uso de sinais de mercado, para prever movimentos de preços e buscando aplicar essas ideias e tecnologias aos negócios de ECM.
“Estamos usando a mesma mentalidade e os mesmos métodos e, em muitos casos, algoritmos semelhantes, mas é claro que nossa opinião é diferente e o que queremos prever é diferente. Queremos prever a combinação, se você quiser”, Zapparoli diz.
Nos últimos dois anos, cientistas e engenheiros de dados do Bank of America criaram o Predictive Intelligence Analytics Machine (PRIAM), um sistema de previsão de negócios de IA que usa uma rede supervisionada de machine learning para entender as tendências de relacionamento entre negócios de ECM e investidores.
David Reilly, CIO para bancos e mercados globais e executivo de tecnologia de risco e finanças da empresa, diz que especialistas coletaram, limparam e organizaram mais de 150 milhões de pontos de dados – dados disponíveis publicamente e dados proprietários – para treinar o modelo de IA. Os dados incluíam informações de mais de 50.000 transações históricas de ECM, dados de investidores e dados de mercado.
“Estamos trazendo dados e análises para a mesa”, diz Reilly. “Não para substituir nada, mas para complementar os ricos dados de relacionamento e inteligência de mercado que nossos parceiros bancários têm quando estão em campo”.
Reilly explica que o PRIAM agora ajuda a maximizar a demanda por transações de ECM, prevendo os melhores investidores para um negócio com base nos detalhes da oferta de ações, participação histórica do negócio, informações sobre a negociação e pontos de contato do cliente. Ele pode pontuar mil investidores em segundos, identificando os investidores de “alto sinal” com precisão superior a 80%. Os banqueiros de ECM do banco incorporam essa análise e insights em sua estratégia.
“Esses dados nos permitem fazer um discurso muito direcionado e muito individual que, por si só, não seria suficiente, mas como um ativo adicional para trazer à mesa, acreditamos que ele nos diferenciará”, diz Reilly. “Como podemos fazê-lo tão rapidamente, agora podemos atualizar o modelo e depois executá-lo novamente com base nos eventos do mercado”, complementa.
O molho secreto do PRIAM é reunir dados e analytics com o que tradicionalmente se baseia o relacionamento dos banqueiros e a experiência no assunto, de acordo com Reilly.
“É o casamento dessa experiência profunda, às vezes décadas de negócios e mercado, casada com os dados e analytics que são constantemente atualizados, que fazem a diferença com este produto em particular”, diz.
Por meio da automação, o projeto, que concedeu ao Bank of America um prêmio FutureEdge 50 por aplicativos de tecnologias emergentes, ajudou o banco a economizar centenas de horas gastas anteriormente na análise e coleta manual de dados anedóticos. Reilly observa que também tem o potencial de ajudar a equipe do sindicato do banco a revolucionar a maneira como gerencia os riscos, fornecendo mais informações em tempo quase real.
Zapparoli diz que a chave do sucesso tem sido a cooperação interna – alavancando a experiência encontrada nos grupos do Bank of America para pensar de maneira diferente sobre um negócio existente.
“Ao criar o PRIAM e depois atualizar o PRIAM, descobrimos que era necessário um número de diferentes disciplinas ou grupos, internos e externos ao banco, para se unirem e realmente criar uma proposta de valor agregado para o cliente”, conta Zapparoli.
A experiência do setor bancário e dos mercados, bem como a experiência com machine learning e IA, obtidos em áreas como Quantitative Trading, tiveram papel importante no processo.
“É por isso que acabou em um caminho de sucesso, no meu ponto de vista, porque não reinventamos nada”, diz Zapparoli. “Nós só dissemos: ‘Tudo bem, se isso funcionar no mercado, vamos começar com isso e ver o que o domínio da experiência determina em termos de quais outros insumos entram'”, finaliza.
