För att alltid kunna erbjuda sina tjänster som ett finansiellt institut så är det viktigt att alltid vara informerad och uppdaterad när nya regelverk träder i kraft. Idag bidrar det till höga kostnader då det till stor del sker med humanitär kraft. För att se i vilken mån det går att effektivisera med hjälp av artificiell intelligens eller maskininlärning gjordes en litteraturstudie för att detta. Undersökningen visade att maskininlärning var den bäst lämpade metoden för denna problemställning. Arbetet hade inte de mest optimala förutsättningar för att få så säkert resultat som möjligt, trots detta visade resultatet på god förmåga att kunna klassificera produkter mot regelverk. Möjligheten till att applicera maskininlärning eller artificiell intelligens är god men det är viktigt med extremt stora mängder tränings- och testdata för att kunna effektivisera finansbranschen. / To always be able to offer their services as a financial institution, it’s important for them to always stay informed and updated when new regulations come into force. Today it contributes to high costs, largely due to humanitarian power. A literature study was performed to see as to what extent artificial intelligence or machine learning could be used to reduce the problem. The result of the study showed that machine learning was the best suited method for this problem. There were not the most optimal conditions to achieve the best possible result, despite that, the result gave promising ability to classify products to regulations. The possibility of applying machine learning and artificial intelligence is good but it is important to have extremely large amounts of training and test data in order to make the financial industry more effective.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-224326 |
| Date | January 2018 |
| Creators | Ekenstedt, Christian, Holmström, Gustaf |
| Publisher | KTH, Hälsoinformatik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-STH ; 2018:1 |
Page generated in 0.003 seconds