銀行は予測価格設定モデルを推進

人工知能は、金融業界ではますます包括的な用語になってきています。しかし、外国為替取引において、それは実際に何を意味するのでしょうか？

銀行は何年も前から、執行アルゴリズムの開発、ドキュメンテーションの簡素化、顧客とのチャットボットなどにAIを活用していることを声高に主張してきました。

取引という観点から見ると、マーケットメイカーにとってよりインパクトのあるユースケースは、AIと機械学習モデルをティックデータに適用することです。

ある時間軸の中で価格がどのように推移するかという見通しを持つことは、流動性プロバイダーのヘッジ戦略に役立ちます。例えば、今後5分間にユーロがドルに対して上昇することが分かれば、デスクはヘッジする前にユーロが上昇するまでユーロの受入在庫を保有することになります。そうすることで、買値と売値のスプレッドに上乗せしてユーロ高を得ることができます。

これらの機械によって価格がどの程度左右されるかについては、多くの未解決の疑問があります。

もちろん、このような在庫管理は優れたトレーダーであれば常に行ってきたことであり、一部の銀行は、現在の市場を反映するリアルタイムのデータと分析モデルに取り組んできました。しかし、AIと機械学習の登場により、これらの予測を価格に定量化できる、より優れた将来を見通すツールが提供されるようになりました。

こうした技術は、ここ数年、大手ノンバンクのマーケットメーカーにとって糧となっています。大手銀行も長年にわたってこの技術に手を出しており、中小銀行もこの技術へのアクセスが容易になるにつれて、この技術を取り入れるようになるかもしれません。

興味深いのは、各グループが重視する時間軸です。例えば銀行は、内部化によってリスクから素早く解放されるため、30秒といった短い時間軸に注目する傾向があるのに対し、ノンバンクのマーケットメーカーは、在庫リスクに対する意欲が高いため、長い時間軸に集中します。

さらに、先月のように市場のボラティリティが非常に高い場合は、より短い時間枠のパターンに焦点を当てたモデルが安定します。

しかし、銀行側としては、これをどこまで自動化できるかという問題もあります。ディーラーがAIにプライシングに影響するライブの決定をさせることに警戒心を持つのは当然ですが、手作業によるチェックはこのような短い時間軸にはあまり適していません。

先進的な銀行の中には、この種の予測取引モデルの開発のみを専門とする社内チームを設置しているところもあります。

しかし、まだAIをフルに活用できる段階に至っていない銀行でも、eトレーダーは他の多くのフロントオフィス分野でAIを導入しています。

ある銀行では、AIが特定の顧客の価格感度を評価し、人間のセールス・トレーダーに、その特定の顧客に対してどのように価格設定を調整すべきかを提案しています。その後、その顧客の価格設定をどのように調整するかは、人間の判断に委ねられます。

銀行はAIを使って需要予測を行うこともできます。例えば、企業やアセット・マネージャーの顧客が同じ時間帯に同じサイズ、同じ期間でEUR/USDを取引する傾向がある場合、銀行はこのようなフローを想定してどのように計画を立て、調整すべきかを確信することができます。

最終的には、AIモデルは銀行のプライシング・エンジンの大きな部分を占めるようになる大きな可能性を秘めています。しかし、これらの機械によって価格がどの程度決定されるのか、また、これらの機械を十分に活用できるほど大胆な銀行があるのか、あるいは十分に快適な銀行があるのかについては、多くの未解決の疑問があります。

編集：ルーカス・ベッカー