算法交易是這樣一種交易，它可以利用軟件根據預先設定的交易標準（如時間，價格，交易量等），下達交易訂單。算法交易允許在沒有人為干預的情況下進行交易。

機器學習技術提供了一套新的多樣化工具，使算法交易不僅僅能夠自動化執(zhí)行。在機器學習（ML）的情況下，算法可以通過學習其他算法（即規(guī)則）的目標，并基于數據實現目標，例如最小化預測誤差。機器學習算法的設計能夠通過分析歷史市場行為，確定最佳市場策略，使交易預測更準確。

目前，提供這類服務的公司有：Renaissance Technologies、Walnut Algorithms。

風險管理和反欺詐

風險管理和反欺詐是目前銀行最熱門的2個主題，這類項目首先應用機器學習和大數據等創(chuàng)新技術來解決。銀行通過機器學習和大數據技術，計算所有可能的風險和欺詐者，并在第一次懷疑時丟棄它們。

機器學習驅動的欺詐檢測系統的主要優(yōu)點是它不只是遵循風險因素清單 – 還能夠積極地學習和校準新的潛在（或真實的）安全威脅。

應用機器學習技術，系統可以檢測特殊或異常的行為，并為安全團隊標記它們。欺詐檢測系統面臨的挑戰(zhàn)是避免誤報， 被標記為“風險”的風險不是真正的風險。

目前，提供這類服務的公司有：Kount、APEX Analytics。

延長客戶對銀行服務的依賴

除了訪問用戶經濟活動數據之外，銀行還通過獲取外部數據，如來自社交網站的數據或客戶在線行為的分析，并將這些信息添加到客戶的行為體系中。通過這些大數據信息的分析，銀行能夠挖掘大量新的機會。例如，如果客戶在評論中討論到可能購買新車，銀行就可以提供客戶想要的貸款優(yōu)惠策略，并立即通過電子郵件發(fā)送給他。

決定與客戶的最佳溝通方式

不同客戶偏好使用的溝通方式是不同的，例如社交媒體，電子郵件或即時消息。銀行必須選擇與不同客戶溝通的最佳方式，并通過客戶偏好的方式發(fā)送提醒，新的產品推送以及聯系客戶。這樣，不光客戶能夠及時了解到銀行的消息， 銀行也能減少通過其他方式聯系客戶的費用。

客戶流失預警

通過分析關于客戶的內外部數據，可以預測客戶是否有流失風險。例如，如果客戶長時間沒有訪問銀行的分支機構，不登錄網站，也沒有訂閱社交網站中銀行的其他更新，則可以預測客戶可能會流失。這種情況下，銀行通過推薦客戶想要的產品或優(yōu)惠來留住客戶是非常重要的。