[論文レビュー] NLP in FinTech Applications: Past, Present and Future

Chung-Chi Chen, Hen‐Hsen Huang+1 more|arXiv (Cornell University)|May 4, 2020

FinTech, Crowdfunding, Digital FinanceBusiness, Management and Accounting参考文献 34被引用数 18

ひとこと要約

本稿は、金融テクノロジー（FinTech）におけるNLPの進化を調査し、KYC、KYP、SYCの応用に焦点を当て、形式的および非形式的なテキストデータを活用している。リスクおよび見通しの観点から動的製品機能の更新を可能にするフレームワークを提案し、オープンファイナンスおよびNLP駆動型金融イノベーションにおける今後の研究方向性を提示している。

ABSTRACT

Financial Technology (FinTech) is one of the worldwide rapidly-rising topics in the past five years according to the statistics of FinTech from Google Trends. In this position paper, we focus on the researches applying natural language processing (NLP) technologies in the finance domain. Our goal is to indicate the position we are now and provide the blueprint for future researches. We go through the application scenarios from three aspects including Know Your Customer (KYC), Know Your Product (KYP), and Satisfy Your Customer (SYC). Both formal documents and informal textual data are analyzed to understand corporate customers and personal customers. Furthermore, we talk over how to dynamically update the features of products from the prospect and the risk points of view. Finally, we discuss satisfying the customers in both B2C and C2C business models. After summarizing the past and the recent challenges, we highlight several promising future research directions in the trend of FinTech and the open finance tendency.

研究の動機と目的

• NLPがKYC、KYP、SYCといった主要な応用分野において金融テクノロジー（FinTech）に果たす役割を分析すること。
• 構造化された文書と非構造化テキストデータの両方が、企業および個人顧客の理解にどのように活用されているかを検討すること。
• リスクおよび見通しの評価に基づいて製品機能を動的に更新するアプローチを提案すること。
• NLPを活用したカスタマーサティスファクション戦略を、B2CおよびC2CのFinTechビジネスモデルにおいて探求すること。
• オープンファイナンスの台頭に伴い、NLPにおける有望な今後の研究方向性を特定および概説すること。

提案手法

• KYC、KYP、SYCの3本柱に焦点を当てた、FinTechにおけるNLP応用の体系的レビュー。
• 公式な金融文書と非公式なテキストデータ（例：ソーシャルメディア、顧客レビュー）の統合による顧客プロファイリング。
• NLPを用いてリスクと将来の価値を時間経過で評価し、金融商品の動的機能更新を実現すること。
• B2CおよびC2Cの文脈において、非構造化テキストから感情、意図、リスク指標を抽出するためのNLP技術の応用。
• 文脈的埋め込みとシーケンスモデリングを活用し、金融ナラティブおよび顧客行動の理解を向上させること。
• オープンファイナンスエコシステムにおいて、NLP駆動のインサイトを規制的およびビジネス的目標と一致させるフレームワークの設計。

実験結果

リサーチクエスチョン

• RQ1 NLPは、顧客のオンボーディングおよびコンプライアンスの向上を図るために、KYCプロセスでどのように応用されてきたか？
• RQ2 NLPは、非構造化データから何らかの行動可能なインサイトを抽出し、KYPおよび製品リスク評価を支援するために、どのような方法で活用できるか？
• RQ3 NLPを活用することで、パーソナライズドサービスを通じて、B2CおよびC2CのFinTechモデルにおける顧客満足度をどのように向上させられるか？
• RQ4 NLPを用いて金融商品の機能を動的に更新するにあたり、主な技術的および規制的課題は何か？
• RQ5 オープンファイナンスおよびリアルタイムの金融データ処理を想定した文脈において、NLP分野における最も有望な今後の研究方向性は何か？

主な発見

• NLPは、多様なテキストソースから顧客の身元およびリスクデータを自動抽出可能にすることで、KYCプロセスの大幅な向上を実現している。
• 顧客レビューおよびソーシャルメディアコンテンツなど、非公式なテキストデータは、顧客の感情および行動を理解する上で貴重なシグナルを提供する。
• NLPを用いた動的製品機能の更新により、金融機関は変化する市場状況およびリスクプロファイルにリアルタイムで対応できるようになる。
• KYPにおけるNLPの統合により、製品の適合性およびリスク露出のより正確で迅速な評価が可能になる。
• 今後の研究は、説明可能なNLPモデル、規制適合性、オープンファイナンスエコシステムにおける相互運用性に注力すべきである。
• 本稿では、FinTech応用において、パーソナライゼーションとデータの機微性・セキュリティの両立を図るNLPシステムの需要が高まっていると指摘している。