I grandi dati non sono nuovi a Wall Street. Il mondo finanziario esegue i dati, quindi ogni occasione per ottenere più e ottenere più velocemente è stata abbracciata dal mercato azionario fin dalle prime linee di telegrafo. Tuttavia, la varietà o le fonti ei tipi di dati disponibili agli investitori e ai commercianti è cresciuta in un torrente dove una mente umana non può semplicemente assorbire e trattare tutto questo. A causa di questa limitazione fisica, un nuovo settore di analisi predittiva si è sviluppato per dare senso ai grandi dati e per dare agli investitori in tempo reale compra e venda raccomandazioni basate sui modelli che formano nei dati molto prima che i tradizionali segnali di mercato si sviluppino. In questo articolo esamineremo le analisi predittive e cosa significa per gli investitori.

Varietà, Velocità e Volume

Le tre varietà Vs, velocità e volume sono spesso utilizzate per descrivere e definire grandi dati. Avete bisogno di tutti e tre per fare un'analisi significativa. Varietà si riferisce ai canali dei dati che vengono scelti. Ciò può essere tutto dai mezzi di comunicazione sociale ai rapporti meteorologici e ai dati di transazione di massa. Il volume è la quantità di dati in arrivo e, come tutti i V, più è meglio. Il volume e la varietà dei dati consentono di verificare o eliminare gli outliers e portare a dati più precisi in generale. Velocità è semplicemente il tasso in cui i dati scorrono. Perché le analisi predittive siano preziose in termini di conduzione di una trading redditizia, i dati devono essere rapidamente disponibili per l'analisi, cioè un flusso costante di informazioni aggiornate. (Per ulteriori informazioni, consultate:

Come i dati grandi hanno cambiato la finanza .) Modelliare i dati

Tutti questi grandi dati vengono alimentati in diversi algoritmi per filtrare e valutare il significato dei modelli che emergono. Gli algoritmi si combinano per creare un modello che fornisce previsioni sulle mosse del mercato a breve termine e un'azione raccomandata basata sulla previsione. Naturalmente, non c'è alcun motivo per limitarla a un modello, pertanto diversi modelli con differenti focus - il movimento di un indice rispetto ad un determinato stock ad esempio - possono essere eseguiti sulla stessa flusso di grandi dati. Questo richiede molta potenza di elaborazione e ancor più spazio di archiviazione perché i modelli vengono creati e testati su grandi dati storici, per cui i dati non possono essere gettati via. (Per ulteriori informazioni sulla modellazione finanziaria, consultate:

Modelli finanziari che si possono creare con Excel

.) La differenza di base tra analisi predittiva e, ad esempio, un gestore di fondi umani è la velocità alla quale le decisioni possono essere prese. Immagina che il tuo fondo abbia un investimento in un ristorante di catena. Un gestore di fondi osserverà l'investimento almeno trimestralmente, controllando i margini di profitto, il rendimento del capitale investito, le stesse vendite del negozio e altri indicatori di performance chiave che vengono comunicati dalla società ai propri investitori.Se il gestore vede una tendenza, diciamo scivolare le vendite nello stesso store e un'erosione nei margini di profitto rispetto all'ultimo trimestre, può decidere di vendere la scorta. Se è vero il contrario, può decidere di acquistare di più. Ora fai il braccio di questo stesso gestore di fondi con un modello predittivo che tira dati da tutto. Invece di aspettare i rapporti trimestrali, può vedere i modelli che approssimano le modifiche delle vendite dello stesso negozio in base ai messaggi di social media da parte del cliente, riferiti ai dati di transazione e dati GPS dagli utenti di smartphone opt-in per tutte le posizioni. Il software analitico lo aiuta a estrarre i dati e raccomanda un'azione, permettendole di scaricare o aggiungere la posizione molto prima che la modifica delle vendite appaia in un documento ufficiale. In altre parole, non c'è più tempo di vedere i risultati della società in modo che le decisioni di investimento possono essere effettuate su informazioni aggiornate che approssimano la situazione reale della società. (Per ulteriori informazioni, vedere:

Data Mining for Investors

.)

Prendi subito l'amministratore dall'equazione e fai il trading del modello direttamente e poi abbiamo un'idea di dove avviene l'analisi predittiva.

Limitazioni Ci sono ancora alcune limitazioni in ciò che può essere fatto con grandi dati per quanto riguarda l'analisi predittiva. Al fine di alimentare i modelli predittivi, i dati variabili devono spesso essere convertiti in una forma utilizzabile. Posti di social media, per esempio, possono essere convertiti in segnali di sentimenti analizzando le parole come negative o positive nel contesto della società o dell'industria che viene analizzata. Questi sentimenti possono poi essere misurati e analizzati ulteriormente per fornire un input al modello. Ci sono altri tipi di dati che possono essere in grado di alimentare direttamente nel modello, ma la varietà che fornisce il modello di potenze predittive significa anche che ci saranno dati che devono essere classificati e analizzati prima di poter essere utilizzati. Questo ritardo, comunque piccolo, rallenta l'analisi del flusso di dati, quindi non siamo al punto in cui il modello è in esecuzione in tempo reale reale. Tuttavia, a causa dell'analisi della tendenza che viene utilizzata per prevedere il movimento futuro, questo non è un ostacolo significativo ed è quello che verrà superato presto, mentre più menti e più risorse scorrono verso le aziende che offrono questi servizi.

Ancora più importante, la vita utile di un modello particolare è limitata, come altri scoprono e iniziano a commerciare sulle stesse fonti e modelli di dati. C'è qualche spazio per l'esclusività di alcune fonti di dati, ma i ricercatori di dati possono trovare solitamente altri fattori che possono contenere dati proprietari o correlazioni che riflettono i movimenti dei dati mancanti. Quindi mantenendo avanti in analisi predittive richiede la potenza del cervello per affrontare i dati non strutturati e modificare nuovi algoritmi, nonché il potere di elaborazione e l'archiviazione sul lato IT. A causa di queste limitazioni e costi, l'analisi predittiva per il trading di azioni è di solito commercializzata in fondi, in particolare fondi hedge, piuttosto che vendere agli investitori.

La linea inferiore

Il valore primario delle analisi predittive in questo momento è come uno strumento per un'azienda da utilizzare internamente per ottimizzare i processi (per maggiori informazioni, consultate

Hedge Funds Tutorial come cross-selling, compliance, marketing e così via. Detto questo, l'analisi predittiva può essere usata da un punto di vista degli investimenti anche senza l'accesso completo ai dati interni di un'azienda. La tecnologia migliorerà e la velocità in cui le decisioni di negoziazione possono essere effettuate sta andando a ottenere più veloce come i dati e l'accuratezza delle previsioni aumentano. Le analisi preventive saranno un aiuto agli operatori con tempi temporali a breve termine. Inoltre permetterà la vendita automatizzata utilizzando modelli predittivi, anche se molti sul mercato ricordano ancora molto problemi reali che possono essere ricondotti al trading di computer. Se le analisi predittive beneficeranno gli investitori regolari è una domanda più grande. Quanto concentrarsi sui dati a breve termine è troppo? Alcuni degli investitori di maggior successo hanno beneficiato ignorando l'immagine a breve termine in cambio di prestazioni a lungo termine. Saranno ancora in grado di ignorare il breve termine quando le metriche dei rapporti trimestrali vengono aggiornate quotidianamente insieme a un diluvio di metriche sentimentali precedentemente impossibili da catturare?

È facile dire che nell'investimento, come nella conversazione, troppe informazioni possono essere una cosa negativa, ma questo può essere solo un caso di attesa al mondo al quale siamo abituati. Il tempo indicherà se l'analisi predittiva è una valida fonte di intuizione o un'altra fonte di rumore di mercato a breve termine.