Ako veľké údaje zmenili financie

Rozsiahle rozširovanie údajov a zvyšujúce sa technologické zložitosti stále menia spôsob fungovania a konkurencie v priemysle. Za posledných niekoľko rokov sa vytvorilo 90 percent údajov na svete v dôsledku každodenného vytvárania 2, 5 bilióna bajtov údajov. Tento rýchly rast a ukladanie údajov, ktorý sa bežne označuje ako veľké údaje, vytvára príležitosti na zber, spracovanie a analýzu štruktúrovaných a neštruktúrovaných údajov.

V nadväznosti na 3 V veľké údaje organizácie používajú údaje a analytiku, aby získali cenné informácie o lepších obchodných rozhodnutiach. Medzi odvetvia, ktoré prijali veľké údaje, patria napríklad finančné služby, technológie, marketing a zdravotníctvo. Prijímanie veľkých údajov naďalej redefinuje konkurenčné prostredie priemyselných odvetví. Odhaduje sa, že 89% podnikov je presvedčených, že podniky bez analytickej stratégie riskujú stratu konkurenčnej výhody na trhu.

Najmä finančné služby si vo veľkej miere osvojili analýzu veľkých dát s cieľom informovať o lepších investičných rozhodnutiach s konzistentnými výnosmi. V spojení s veľkými údajmi využíva algoritmické obchodovanie obrovské historické údaje s komplexnými matematickými modelmi na maximalizáciu výnosov portfólia. Neustále prijímanie veľkých údajov nevyhnutne zmení krajinu finančných služieb. Spolu s jeho zjavnými výhodami však pretrvávajú významné výzvy, pokiaľ ide o schopnosť veľkých údajov zachytiť zvyšujúci sa objem údajov.

3 V z veľkých dát

3 V sú zásadné pre veľké dáta: objem, rozmanitosť a rýchlosť. Finančné inštitúcie, ktoré čelia rastúcej konkurencii, regulačným obmedzeniam a potrebám zákazníkov, hľadajú nové spôsoby, ako využiť technológiu na zvýšenie efektívnosti. V závislosti od odvetvia môžu spoločnosti použiť určité aspekty veľkých údajov na získanie konkurenčnej výhody.

Rýchlosť je rýchlosť, pri ktorej sa musia údaje ukladať a analyzovať. Burza cenných papierov v New Yorku zachytáva každý deň 1 terabajt informácií. Do roku 2016 bolo odhadovaných 18, 9 miliárd sieťových pripojení, s približne 2, 5 pripojeniami na osobu na Zemi. Finančné inštitúcie sa môžu od konkurencie odlíšiť zameraním sa na efektívne a rýchle spracovanie obchodov.

Veľké údaje možno kategorizovať ako neštruktúrované alebo štruktúrované údaje. Neštruktúrované údaje sú informácie, ktoré nie sú usporiadané a nepatria do vopred určeného modelu. Patria sem údaje zozbierané zo zdrojov sociálnych médií, ktoré pomáhajú inštitúciám zhromažďovať informácie o potrebách zákazníkov. Štruktúrované údaje pozostávajú z informácií, ktoré už organizácia spravovala v relačných databázach a tabuľkách. V dôsledku toho sa musia rôzne formy údajov aktívne spravovať, aby sa mohli lepšie informovať o obchodných rozhodnutiach.

Rastúci objem údajov o trhu predstavuje pre finančné inštitúcie veľkú výzvu. Spolu s rozsiahlymi historickými údajmi musia bankové a kapitálové trhy aktívne spravovať údaje tickerov. Rovnako investičné banky a spoločnosti spravujúce aktíva používajú objemné údaje na prijímanie správnych investičných rozhodnutí. Poisťovacie a dôchodkové spoločnosti majú prístup k predchádzajúcim informáciám o poistkách a nárokoch na aktívne riadenie rizika. (Viac informácií nájdete v: Quants: The Rocket Scientists Of Wall Street .)

Algoritmické obchodovanie

Algoritmické obchodovanie sa stalo synonymom veľkých dát vďaka rastúcim schopnostiam počítačov. Automatizovaný proces umožňuje počítačovým programom vykonávať finančné obchody rýchlosťou a frekvenciou, ktorú ľudský obchodník nemôže. V rámci matematických modelov poskytuje algoritmické obchodovanie obchody vykonávané za najlepšie možné ceny a včasné obchodovanie s nimi a znižuje manuálne chyby v dôsledku faktorov správania.

Inštitúcie môžu efektívnejšie obmedzovať algoritmy na zahrnutie veľkého množstva údajov, pričom môžu využívať veľké objemy historických údajov na najstaršie stratégie, a tak vytvárať menej rizikové investície. Pomáha to používateľom identifikovať užitočné údaje, ktoré sa majú uchovávať, ako aj údaje s nízkou hodnotou, ktoré sa majú zbaviť. Vzhľadom na to, že algoritmy je možné vytvárať so štruktúrovanými a neštruktúrovanými údajmi, môže začlenenie správ v reálnom čase, sociálnych médií a údajov o akciách do jedného algoritmu viesť k lepším obchodným rozhodnutiam. Na rozdiel od rozhodovania, ktoré môže byť ovplyvnené rôznymi zdrojmi informácií, ľudskými emóciami a zaujatosťou, sa algoritmické obchody vykonávajú výlučne na finančných modeloch a údajoch.

Poradcovia spoločnosti Robo používajú investičné algoritmy a veľké množstvo údajov na digitálnej platforme. Investície sú zostavené na základe teórie moderného portfólia, ktorá zvyčajne podporuje dlhodobé investície na udržanie konzistentných výnosov a vyžaduje minimálnu interakciu s ľudskými finančnými poradcami. (Viac informácií nájdete v: Základy algoritmického obchodovania: koncepty a príklady .)

výzvy

Napriek tomu, že odvetvie finančných služieb čoraz viac prijíma veľké údaje, v tejto oblasti stále existujú významné výzvy. Najdôležitejšie je, že zhromažďovanie rôznych neštruktúrovaných údajov podporuje obavy o súkromie. Osobné informácie sa môžu zhromažďovať o rozhodovaní jednotlivca prostredníctvom sociálnych médií, e-mailov a zdravotných záznamov.

Konkrétne v rámci finančných služieb sa väčšina kritiky týka analýzy údajov. Samotný objem údajov vyžaduje väčšiu sofistikáciu štatistických techník, aby sa získali presné výsledky. Najmä kritici nadhodnocujú signál na šum ako vzorce falošných korelácií, čo predstavuje štatisticky robustné výsledky čisto náhodou. Podobne aj algoritmy založené na ekonomickej teórii zvyčajne poukazujú na dlhodobé investičné príležitosti v dôsledku trendov v historických údajoch. Efektívne dosahovanie výsledkov podporujúcich krátkodobú investičnú stratégiu sú neoddeliteľnou výzvou prediktívnych modelov.

Spodný riadok

Veľké údaje stále menia krajinu rôznych odvetví, najmä finančných služieb. Mnoho finančných inštitúcií prijíma veľké analytické údaje, aby si udržalo konkurenčnú výhodu. Prostredníctvom štruktúry a neštruktúrovaných údajov môžu komplexné algoritmy vykonávať obchody pomocou množstva zdrojov údajov. Ľudské emócie a zaujatosť možno minimalizovať automatizáciou; obchodovanie s analýzou veľkých údajov však má svoj vlastný špecifický súbor výziev. Štatistické výsledky, ktoré sa doteraz dosiahli, neboli v dôsledku relatívnej novosti poľa úplne prijaté. Keďže však trend finančných služieb vedie k veľkým údajom a automatizácii, sofistikovanosť štatistických metód zvýši presnosť.