Automatizar el procesamiento de confirmaciones derivadas utilizando los servicios de IA de AWS para la industria de los mercados de capitales

Los equipos de operaciones de los mercados de capitales enfrentan numerosos desafíos a lo largo del ciclo de vida posterior a la negociación, incluidos retrasos en las liquidaciones comerciales, errores de contabilización e informes regulatorios inexactos. Para las operaciones con derivados, es aún más desafiante. La liquidación oportuna de las operaciones con derivados es una tarea onerosa. Esto se debe a que las transacciones involucran diferentes contrapartes y existe un alto grado de variación entre los documentos que contienen términos comerciales (como fecha de negociación, fecha valor y contrapartes). Comúnmente vemos la aplicación de soluciones de eliminación de pantalla con OCR en organizaciones del mercado de capitales. Estas aplicaciones tienen el inconveniente de ser inflexibles y de alto mantenimiento.

Las tecnologías de inteligencia artificial y aprendizaje automático (AI/ML) pueden ayudar a las organizaciones del mercado de capitales a superar estos desafíos. El procesamiento inteligente de documentos (IDP) aplica técnicas de IA/ML para automatizar la extracción de datos de los documentos. El uso de IDP puede reducir o eliminar la necesidad de revisiones humanas que consumen mucho tiempo. IDP tiene el poder de transformar la forma en que funcionan las operaciones administrativas del mercado de capitales. Tiene el potencial de aumentar la eficiencia de los empleados, mejorar el flujo de caja al acelerar los acuerdos comerciales y minimizar los riesgos operativos y regulatorios.

En esta publicación, mostramos cómo puede automatizar y procesar de manera inteligente confirmaciones derivadas a escala utilizando los servicios de IA de AWS. La solución combina Extracto de Amazonun servicio de aprendizaje automático totalmente administrado para extraer sin esfuerzo texto, escritura a mano y datos de documentos escaneados, y Tecnologías sin servidor de AWSun conjunto de servicios totalmente administrados basados ​​en eventos para ejecutar código, administrar datos e integrar aplicaciones, todo sin administrar servidores.

Descripción general de la solución

El ciclo de vida de una operación de derivados implica múltiples fases, desde la investigación de la operación hasta la ejecución, la compensación y la liquidación. La solución presentada en esta publicación se centra en la fase de compensación y liquidación comercial del ciclo de vida del comercio de derivados. Durante esta fase, las contrapartes de la operación y sus agentes determinan y verifican los términos comerciales exactos de la transacción y se preparan para la liquidación.

La siguiente figura muestra un ejemplo derivado que confirma el documento.

Construimos la solución utilizando los principios basados ​​en eventos como se muestra en el siguiente diagrama. Los documentos de confirmación de derivados recibidos de los clientes se almacenan en Servicio de almacenamiento simple de Amazon (Amazon S3). Una notificación de evento al finalizar la carga de objetos de S3 coloca un mensaje en un Servicio de cola simple de Amazon (Amazon SQS) para invocar una AWS Lambda función. La función invoca la Extracto de Amazon API y realiza una coincidencia aproximada utilizando las asignaciones de esquemas de documentos almacenadas en AmazonDynamoDB. Se creó una interfaz de usuario basada en la web para revisar el proceso de procesamiento de documentos y actualizar esquemas para capacitar servicios para nuevos formatos. La interfaz de usuario web utiliza Cognito Amazonas para autenticación y control de acceso.

El flujo del proceso incluye los siguientes pasos:

1. El usuario o la aplicación empresarial carga una imagen o un PDF en el depósito S3 designado.
2. Una notificación de evento sobre la finalización de la carga de objetos de S3 coloca un mensaje en una cola de SQS.
3. Un evento al recibir un mensaje invoca una función Lambda que a su vez invoca Amazon Textract StartDocumentAnalysis API para extracción de información.
   1. Esta llamada inicia un análisis asincrónico del documento para detectar elementos dentro del documento, como pares clave-valor, tablas y formularios.
   2. La llamada también devuelve el ID del trabajo asincrónico y guarda el ID del trabajo y la clave del documento de Amazon S3 en una tabla de DynamoDB.
4. Al finalizar el trabajo, Amazon Textract envía un mensaje a un Servicio de notificación simple de Amazon (Amazon SNS) y coloca el JSON resultante en el depósito S3 designado para el análisis de clasificación.
5. Una función Lambda recibe la carga útil de Amazon SQS y realiza una coincidencia difusa utilizando Sorenson-Dados Análisis entre los resultados JSON de Amazon Textract y las asignaciones de configuración de documentos de DynamoDB. El paso de análisis de Sorenson-Dice compara los dos textos y calcula un número entre 0 y 1, donde el primero indica que no hay coincidencia en absoluto y el segundo indica una coincidencia exacta.
6. Una vez finalizado el análisis, una función Lambda escribe un resultado JSON fusionado y limpio en el depósito S3 original y vuelve a insertar los resultados del análisis en la tabla de DynamoDB.
7. Puerta de enlace API de Amazon Los puntos finales facilitan la interacción con la interfaz de usuario basada en web.
8. La aplicación de interfaz de usuario con intervención humana proporciona una función con intervención humana para analizar el flujo de procesamiento de documentos e intervenir según sea necesario para actualizar las asignaciones de configuración de documentos.

Se aplicó un proceso humano presente para comparar visualmente los resultados conciliados con sus ubicaciones en los documentos de entrada. Los usuarios finales pueden verificar la exactitud de los resultados y aceptar o rechazar los hallazgos. Cuando se introducen nuevas contrapartes y formatos, el aprendizaje de ML ayuda a los usuarios a crear nuevas asignaciones de esquemas en la interfaz de usuario humana para su posterior procesamiento.

¿Qué es el ser humano en el circuito?

Un proceso humano en el circuito combina el aprendizaje automático supervisado con la participación humana en el entrenamiento y prueba de un algoritmo. Esta práctica de unir la inteligencia humana y mecánica crea un circuito de retroalimentación iterativo que permite que el algoritmo produzca mejores resultados.

Puede aplicar la tecnología humana en todo tipo de proyectos de inteligencia artificial de aprendizaje profundo, incluido el procesamiento del lenguaje natural (PLN), la visión por computadora y la transcripción. Además, puede utilizar la función humana junto con sistemas de moderación de contenido de IA para analizar de forma rápida y eficaz el contenido generado por el usuario. A esto lo llamamos toma de decisiones humana en el circuito, donde la IA marca el contenido y los moderadores humanos revisan lo que se ha marcado.

La relación armoniosa entre las personas y la IA tiene varios beneficios, entre ellos:

• Exactitud – En el contexto del procesamiento de documentos, existen limitaciones en cuanto a la cantidad de análisis que se puede automatizar. La IA puede pasar por alto contenido que debería marcarse (un falso positivo) y también puede marcar incorrectamente contenido que puede ser inofensivo (un falso negativo). Los humanos son esenciales en el proceso de moderación de contenido porque pueden interpretar cosas como el contexto y el texto multilingüe.
• Eficiencia incrementada – La inteligencia artificial puede ahorrar mucho tiempo y costos al examinar y recortar grandes cantidades de datos. Luego, la tarea se puede pasar a los humanos para que completen una clasificación final. Aunque no se puede automatizar todo el proceso, se puede automatizar una parte importante, ahorrando tiempo.

Mirando hacia el futuro: el arte de lo posible

Amazon Textract es un servicio de AWS que utiliza ML para extraer automáticamente texto, escritura a mano y datos de cualquier documento.

Amazon Textract puede extraer información de una gran variedad de documentos, incluidos registros en papel escaneados, formularios, identificaciones, facturas, informes, certificados, documentos legales, cartas, extractos bancarios, tablas, notas escritas a mano y más. Los formatos admitidos incluyen tipos de archivos comunes como PNG, JPEG, PDF y TIFF. Para formatos como Word o Excel, puede convertirlos en imágenes antes de enviarlos a Amazon Textract. El contenido se extrae en segundos y luego se indexa para realizar búsquedas a través de una API fácil de usar.

La función Consultas dentro de la API de documentos de Amazon Textract Analyze le brinda la flexibilidad de especificar los datos que necesita extraer de los documentos. Las consultas extraen información de una variedad de documentos, como recibos de sueldo, tarjetas de vacunación, notas hipotecarias y tarjetas de seguro. No necesita conocer la estructura de datos del documento (tabla, formulario, datos anidados) ni preocuparse por las variaciones entre las versiones y formatos del documento. La flexibilidad que proporciona Queries reduce la necesidad de implementar el posprocesamiento y la dependencia de la revisión manual de los datos extraídos.

Conclusión

La automatización de la confirmación de derivados aumenta la capacidad del equipo de operaciones al ahorrar tiempo de procesamiento. En esta publicación, mostramos los desafíos comunes en el procesamiento de confirmaciones de derivados y cómo se pueden utilizar los servicios de procesamiento de documentos inteligentes de AWS para superarlos. La mayor parte de las operaciones administrativas de los mercados de capitales implica el procesamiento de documentos. El enfoque mostrado en esta publicación establece un patrón para muchos casos de uso de procesamiento de documentos administrativos, lo que beneficia a la industria de los mercados de capital al reducir costos y mejorar la productividad del personal.

Recomendamos una revisión exhaustiva de Seguridad en Amazon Textract y el estricto cumplimiento de las pautas proporcionadas. Para obtener más información sobre los precios de la solución, revise los detalles de precios de Extracto de Amazon, lambday amazon s3.

“Al utilizar los servicios Amazon Textract y Serverless, hemos podido crear un flujo de trabajo digital de extremo a extremo para el procesamiento de derivados. Esperamos que las tasas de procesamiento directo aumenten a más del 90%, reduciendo los riesgos operativos y los costos asociados con las intervenciones manuales. Esta automatización proporciona la resiliencia y flexibilidad necesarias para adaptarse a las estructuras de mercado en evolución, como los plazos de liquidación T+1”.

– Stephen Kim, CIO, jefe de tecnología corporativa, Jefferies

Sobre los autores

Vipul Parekh, es gerente senior de soluciones para clientes en AWS y guía a nuestros clientes de mercados de capitales para acelerar su viaje de transformación empresarial en la nube. Es embajador de GenAI y miembro de la comunidad de campo técnico de IA/ML de AWS. Antes de AWS, Vipul desempeñó varios roles en los principales bancos de inversión, liderando transformaciones que abarcaban desde el front office hasta el back office y áreas de cumplimiento normativo.

Raj Talasilaes gerente sénior de programas técnicos en AWS. Llega a AWS con más de 30 años de experiencia en servicios financieros, medios y entretenimiento, y bienes de consumo envasados.

Sabi Sahoo, es arquitecto senior de soluciones en AWS. Saby tiene más de 20 años de experiencia en el campo del diseño e implementación de soluciones de TI, análisis de datos y AI/ML/GenAI.

Sovik Kumar Nath es un arquitecto de soluciones AI/ML con AWS. Tiene una amplia experiencia en el diseño de soluciones integrales de análisis de negocios y aprendizaje automático en finanzas, operaciones, marketing, atención médica, gestión de la cadena de suministro e IoT. Sovik ha publicado artículos y posee una patente sobre monitoreo de modelos ML. Tiene una doble maestría de la Universidad del Sur de Florida, la Universidad de Friburgo, Suiza, y una licenciatura del Instituto Indio de Tecnología, Kharagpur. Fuera del trabajo, a Sovik le gusta viajar, viajar en ferry y ver películas.