Оглавление

Как пишет AWS, Лондонская фондовая биржа разработала систему мониторинга рыночных злоупотреблений с использованием генеративного ИИ. Решение автоматически анализирует новостной контент и определяет вероятность влияния публикаций на котировки ценных бумаг.

Проблема ручного анализа финансовых новостей

Ежегодно через Лондонскую фондовую биржу проходит сделок на сумму свыше £1 трлн при участии 400 членов биржи. Существующие системы мониторинга генерируют тысячи оповещений о подозрительных сделках, требующих ручной проверки аналитиками. Особую сложность представляет анализ новостей на предмет их потенциального влияния на рынок — процесс, отнимающий значительное время и ресурсы.

Архитектура ИИ-решения

LSEG совместно с AWS создала прототип на базе Amazon Bedrock и модели Anthropic Claude Sonnet 3.5. Система анализирует статьи Службы регуляторных новостей (RNS) и классифицирует их по степени потенциального воздействия на рынок.

Ключевые компоненты архитектуры:

  • Конвейер обработки данных для статей RNS
  • Интеграция с Amazon Bedrock для анализа новостей
  • Визуализация результатов через Streamlit-интерфейс
Концептуальная схема потока данных и процессов для системы мониторинга рынка LSEG

Методология и масштабы обработки

Для обучения системы использовался массив из 250,000 статей за 6 месяцев торговой активности 2023 года. Данные предварительно очищались от HTML-разметки и анализировались по трём ключевым направлениям:

  1. Категории новостей — распределение по регуляторным классификациям
  2. Временные паттерны публикаций
  3. Семантический анализ содержания

Ирония в том, что для борьбы с манипуляциями рынком используется технология, которая сама по себе вызывает вопросы о манипуляциях контентом. Claude анализирует новости лучше любого человека, но кто проверит, не научится ли он со временем скрывать следы инсайдерских сделок? Финансовый регулятор будущего может оказаться ИИ, который следит за другими ИИ — идеальный сюжет для антиутопии.

Практическая польза и перспективы

Система значительно сокращает время первичного анализа подозрительных сделок — с часов до минут. Аналитики получают готовую оценку вероятности влияния новости на рынок, что позволяет быстрее принимать решения о необходимости дальнейшего расследования.

Решение демонстрирует практическую ценность генеративного ИИ в высокостандартизированных областях, где требуется обработка больших объёмов текстовой информации с чёткими критериями оценки. Успех LSEG может стать шаблоном для других финансовых институтов, столкнувшихся с аналогичными вызовами масштабирования систем контроля за соблюдением нормативов.