Barclays: AI Not Yet Replacing Credit Hedge Fund Traders

•AI 在固定收益市場（包括信用市場）的應用已擴展到評估定價模型、策略開發與測試、投資組合建構以及風險管理，其中生成式 AI 正在加速演算法的開發。
•AI 採用的主要挑戰包括數據品質問題（數據碎片化、不一致）、與傳統遺留系統的整合困難、「黑箱」問題（決策過程缺乏透明度）以及遵守監管法規（如 GDPR 和反歧視框架）的複雜性。
•Barclays 正將 AI 整合到其廣泛的營運中，以推動數位轉型、提高營運效率和改善客戶體驗，包括將生成式 AI 用於內部生產力工具（如 Microsoft 365 Copilot）和客戶服務（總結互動）。
•Barclays 視 AI 為削減成本和提高效率的關鍵驅動力，並將 AI 投資與績效目標直接掛鉤，旨在透過生產力提升實現顯著的營運影響。
•全球 AI 信用評分市場規模預計將從 2025 年的 19 億美元增長到 2034 年的 78 億美元，主要受即時決策引擎和替代數據使用的推動。

信用風險建模中使用的 AI/ML 技術包括監督式學習、非監督式學習演算法、集成方法和自然語言處理 (NLP)。
AI 信用評分模型不僅依賴歷史數據，還整合了替代數據源，例如收入模式、水電費支付記錄、租賃記錄、消費行為，甚至在符合監管規定的情況下，還包括手機數據和社群媒體使用情況。
在信用風險管理中，AI 分析數千個數據點，涵蓋財務報表、信用協議、市場數據和非結構化文件，以評估信用狀況和持續風險。
產業標準正從單一模型方法演變為複合式 AI 框架，其中專業模型處理信用生命週期的不同方面，例如一個代理提取契約條款，另一個監控財務績效，第三個標記市場數據中的預警信號。
許多複雜的 AI 模型，特別是深度學習系統，存在「黑箱」問題，無法解釋其決策過程。可解釋 AI (XAI) 方法，包括可解釋模型和事後可解釋技術，正被用於解決此問題，以提高透明度並符合監管要求。
生成式 AI 被用於加速演算法的開發和測試，以及處理非結構化數據並生成預測性洞察。

信用市場中的人類交易員將轉向更高價值的策略性角色，而非被 AI 取代。

AI 將持續自動化重複性任務並提供增強的分析能力，使人類交易員能夠專注於複雜的決策、客戶關係和創新策略。

監管框架將加速發展，以解決 AI 在信用評估中的偏見、透明度和問責制問題。

隨著 AI 在金融決策中的應用日益普及，對演算法偏見、黑箱問題和數據隱私的擔憂將促使監管機構制定更明確的指導方針和法律，例如歐盟 AI 法案已將信用評分列為高風險系統。

金融機構將大幅增加對數據基礎設施和 AI 人才的投資，以克服當前 AI 實施的挑戰。

數據品質不佳、與傳統系統整合的複雜性以及缺乏專業技能是 AI 採用的主要障礙，這將迫使銀行投入更多資源來建立統一的數據層並培養內部 AI 專業知識。

2019-12

AI 在過去十年中開始主導日常生活，主要得益於計算能力和數據可用性的顯著進步。

2024-06

美國參議院委員會發布報告，指出對沖基金使用 AI/ML 技術進行交易決策引發了對市場穩定性和客戶披露的擔憂。

2024-06

SOLVE 推出市政債券預測定價模型，並於 9 月增強了公司債券預測定價，展示了 AI 在固定收益市場的實際應用。

2025-01

Barclays US Consumer Bank 討論如何利用生成式 AI 改善客戶體驗和決策，顯示 Barclays 在 AI 應用上的廣泛策略。

2026-02

Barclays 表示 AI 技術是其成本削減和提高營運效率計劃的關鍵驅動力，將 AI 投資與績效目標掛鉤。

2026-04

Barclays 的 CIO 調查顯示，AI 相關支出佔總 IT 預算的比例持續上升，從 2025 年上半年的 3.8% 增至 4.8%。

Barclays：AI 尚未取代信用對沖基金交易員