Cât de mari date au schimbat finanțele

Vasta proliferare de date și creșterea complexităților tehnologice continuă să transforme modul în care industriile operează și concurează. În ultimii ani, 90% din datele din lume au fost create ca urmare a creării a 2, 5 octeți de cvintilenți de date zilnic. Denumită în mod obișnuit ca date mari, această creștere rapidă și stocare creează oportunități pentru colectarea, procesarea și analiza datelor structurate și nestructurate.

În urma celor 3 V-uri de date mari, organizațiile folosesc date și analitice pentru a obține informații valoroase pentru a informa mai bine deciziile de afaceri. Industriile care au adoptat utilizarea datelor mari includ servicii financiare, tehnologie, marketing și îngrijiri medicale, pentru a numi câteva. Adoptarea de date mari continuă să redefinească peisajul competitiv al industriilor. Aproximativ 89 la sută dintre întreprinderi consideră că cele fără o strategie de analiză prezintă riscul de a pierde un avantaj competitiv pe piață.

Serviciile financiare, în special, au adoptat pe scară largă analize de date mari pentru a informa mai bine deciziile de investiții cu randamente constante. Împreună cu datele mari, tranzacțiile algoritmice utilizează date istorice vaste cu modele matematice complexe pentru a maximiza randamentul portofoliului. Adoptarea continuă a datelor mari va transforma inevitabil peisajul serviciilor financiare. Cu toate acestea, alături de avantajele aparente ale acestuia, rămân provocări semnificative în ceea ce privește capacitatea datelor mari de a capta volumul de montare a datelor.

3 V-uri de date mari

Cele 3 V sunt fundamentale pentru datele mari: volum, varietate și viteză. Față de creșterea concurenței, constrângerile de reglementare și nevoile clienților, instituțiile financiare caută noi modalități de a folosi tehnologia pentru a obține eficiență. În funcție de industrie, companiile pot utiliza anumite aspecte ale datelor mari pentru a obține un avantaj competitiv.

Viteza este viteza cu care trebuie stocate și analizate datele. Bursa din New York captează 1 terabyte de informații în fiecare zi. Până în 2016, se estimează că 18, 9 miliarde de conexiuni la rețea, cu aproximativ 2, 5 conexiuni pe persoană pe Pământ. Instituțiile financiare se pot diferenția de concurență, concentrându-se pe procesarea eficientă și rapidă a tranzacțiilor.

Datele mari pot fi clasificate ca date nestructurate sau structurate. Datele nestructurate sunt informații neorganizate și nu se încadrează într-un model prestabilit. Aceasta include date culese din surse de social media, care ajută instituțiile să strângă informații despre nevoile clienților. Datele structurate constau din informații gestionate deja de organizație în baze de date relaționale și foi de calcul. Drept urmare, diversele forme de date trebuie gestionate activ pentru a informa mai bine deciziile de afaceri.

Volumul în creștere al datelor de piață reprezintă o provocare mare pentru instituțiile financiare. Alături de vaste date istorice, piețele bancare și de capital trebuie să gestioneze în mod activ datele de tip ticker. De asemenea, băncile de investiții și firmele de administrare a activelor utilizează date voluminoase pentru a lua decizii solide privind investițiile. Firmele de asigurări și de pensionare pot accesa informațiile privind politicile și cererile anterioare pentru gestionarea activă a riscurilor. (Pentru mai multe, consultați: Quants: The Rocket Scientists Of Wall Street .)

Trading Algoritmic

Tranzacționarea algoritmică a devenit sinonimă cu datele mari datorită capacităților crescânde ale computerelor. Procesul automat permite programelor de calculator să execute tranzacții financiare la viteze și frecvențe pe care un comerciant uman nu le poate. În cadrul modelelor matematice, tranzacțiile algoritmice oferă tranzacții executate la cele mai bune prețuri posibile și plasarea în timp util a comerțului și reduc erorile manuale datorate factorilor comportamentali.

Instituțiile pot reduce mai eficient algoritmii pentru a încorpora cantități masive de date, apărând volume mari de date istorice la strategiile de testare, creând astfel investiții mai puțin riscante. Acest lucru ajută utilizatorii să identifice date utile pentru a păstra, precum și date cu valoare scăzută de aruncat. Având în vedere că algoritmii pot fi creați cu date structurate și nestructurate, încorporând știri în timp real, social media și date de stoc într-un motor algoritmic pot genera decizii de tranzacționare mai bune. Spre deosebire de luarea deciziilor, care poate fi influențată de diferite surse de informații, emoții umane și prejudecăți, tranzacțiile algoritmice sunt executate exclusiv pe modele și date financiare.

Consilierii Robo folosesc algoritmi de investiții și cantități masive de date pe o platformă digitală. Investițiile sunt încadrate prin teoria portofoliului modern, care susține de obicei investițiile pe termen lung pentru a menține randamentele consistente și necesită o interacțiune minimă cu consilierii financiari umani. (Pentru mai multe, consultați: Bazele comerțului algoritmic: concepte și exemple .)

Provocări

În pofida faptului că industria serviciilor financiare cuprinde din ce în ce mai multe date mari, există încă provocări semnificative în domeniu. Cel mai important, colectarea diferitelor date nestructurate susține îngrijorările legate de confidențialitate. Informații personale pot fi culese cu privire la luarea deciziilor unei persoane prin intermediul social media, e-mailuri și înregistrări medicale.

În cadrul serviciilor financiare, majoritatea criticilor se referă la analiza datelor. Volumul pur de date necesită o sofisticare mai mare a tehnicilor statistice pentru a obține rezultate precise. În special, criticii supraestimează semnalul zgomotului ca tipare de corelații spuroase, reprezentând rezultate robuste statistic pur întâmplător. De asemenea, algoritmii care se bazează pe teoria economică indică, de obicei, oportunități de investiții pe termen lung datorită tendințelor datelor istorice. Producerea eficientă a rezultatelor care susțin o strategie de investiții pe termen scurt reprezintă provocări inerente modelelor predictive.

Linia de jos

Datele mari continuă să transforme peisajul diferitelor industrii, în special a serviciilor financiare. Multe instituții financiare adoptă analize de date mari pentru a menține un avantaj competitiv. Prin structură și date nestructurate, algoritmi complexi pot executa tranzacții folosind o serie de surse de date. Emoția și prejudecățile umane pot fi reduse la minimum prin automatizare; Cu toate acestea, tranzacționarea cu analiza datelor mari are propriul set de provocări specifice. Rezultatele statistice produse până în prezent nu au fost pe deplin cuprinse din cauza relativității inovatoare a domeniului. Cu toate acestea, pe măsură ce serviciile financiare tind către date mari și automatizări, sofisticarea tehnicilor statistice va crește precizia.