Learning to Rank Requests for Quotes for Bond Traders

Venkatesh Elango, ein Forschungsingenieur der KI-Gruppe der Bloomberg L.P., wird beim nächsten Treffen der Data Science @ Regensburg – Meetupgruppe zu Gast sein und über Search Probleme im Finanzbereich referieren.

Abstract:

Die Arbeit eines Anleihenhändlers besteht darin, wiederholt so schnell wie möglich und beim besten Preis auf Anfragen (request-for-quotes oder RFQs) zu reagieren, wobei manchmal bis zu 10.000 Aufträge oder RFQs pro Tag bearbeitet werden. Viele Händler sind mit einer ständig wachsenden Menge an Aufträgen und herausfordernden zeitlichen Einschränkungen konfrontiert und finden es schwierig, Schritt zu halten – verpassen Gelegenheiten und arbeiten nicht so effizient wie sie sein könnten. Aus diesem Grund hoffen viele auf Technologien, die ihnen bei der Optimierung der Prozesses helfen können. Derzeit werden hartkodierte Regeln verwendet, um die Reihenfolge von Trades und die Beantwortung von Anfragen zu automatisieren. Dieser Ansatz ist jedoch sehr starr und nur schwer anzupassen. Durch die Integration von Machine Learning können effizientere Tools zur Verbesserung der Arbeitsabläufe bereitgestellt werden. In diesem Vortrag wird ein kürzlich entwickeltes Machine Learning – Modell vorgestellt, das dem Händler vorschlägt, welche Aufträgen oder Anfragen er zuerst bearbeiten sollte. Mithilfe dieser Vorschläge können Händler ihre Zeit effizienter für wichtigere Entscheidungen nutzen.

Mittwoch, 19.05.2021, 19:00 – 21:00 Uhr, Online-Event

Mehr Details & Anmeldung unter: https://www.meetup.com/de-DE/Data-Science-Regensburg/events/277833346/.

Dies ist ein Event der Data Science @ Regensburg – Meetupgruppe.