希望在交易过程中实施机器学习和人工智能(AI)系统的资本市场公司必须准备好进行一项多年的项目，在看到结果之前需要很大的耐心。
在今年的TradeTech会议上，发言人参加了主题演讲，概述了他们的公司如何接触机器学习项目，并警告那些期望这些努力立即产生结果的人很可能会感到失望。
MAN GLG执行研究负责人Antish Manna表示，该公司去年推出了基于机器学习的订单流和经纪人分配框架。
Manna解释说：“这个框架有效地消除了人们设置任意目标的需要，'我的前三个经纪人将获得这样的流量'并不断更新目标，使其拥有一台自动执行此操作的机器。”
“它的美妙之处在于它与我们的经纪人进行了非常干净的对话; 他们知道我们是如何做事的，他们会获得更多的流量，而这种机制也适应不断变化的市场条件。“
Manna解释说，虽然围绕机器学习的炒作已经发展到现在对于技术可以实现的目标变得不切实际的一点，从一个相对简单的元素开始，例如经纪人分配意味着公司可以构建框架更广泛和未来的直观项目。
代表卖方的是RBC Capital Markets全球股票执行联席主管Shary Mudassir，他同意行业对机器学习的看法往往是错误的，特别是这些开发需要多长时间才能完成以及需要多长时间才能完成建立所需的专业知识。
“有一种观念认为，你可以雇用人员并拥有有意义的基于人工智能的结果......但这种方式并不奏效。AI的真正成功需要非常庞大的团队，“他说。
“在RBC，我们的人工智能研究团队已经有100多名AI科学家。在应用的AI空间内，我们在银行方面拥有300多名数据科学家。关于最近产品的股票执行团队，我们将在一年中的某个时间推出，我们有一个超过60人的团队，这60人不是所有AI科学家 - 这些是销售交易员，交易员，量子，执行顾问，技术专家......他们在这段时间里聚集在一起，实现了一个重大成果。“
为了解决这些不切实际的期望，Manna说大部分花在机器学习项目上的时间用于在研究和开发之前清理数据，而那些现在才开始机器学习之旅的公司应该不会期望看到结果是短期的。
“事实是，这是一个谬论，需要花费大量时间来建立一个框架，在那里你可以提供大规模的工作，”他说。“在机器学习和人工智能方面，问题最好由人员团队解决，因为你需要挑战，严谨和时间学习和失败，学习并再试一次; 这个过程需要很多时间。“