Velké údaje nejsou pro Wall Street nové. Finanční svět pracuje s daty, takže každou příležitost dostat víc a dostat ji rychleji byla přijata akciovým trhem od prvních telegrafních linek. Rozmanitost nebo zdroje a druhy údajů, které jsou k dispozici investorům a obchodníkům, však narostly do proudu, kde lidská mysl prostě nemůže všechny tyto prostředky absorbovat a zpracovávat. Kvůli tomuto fyzickému omezení se vyvinul nový průmysl předvídatelské analýzy, aby získal smysl pro velké údaje a poskytl investorům v reálném čase kupovat a prodávat doporučení založená na vzorcích vytvářejících údaje dříve, než se vyvinuly tradiční tržní signály. V tomto článku se podíváme na prognostickou analýzu a na to, co to znamená pro investory.

Rozmanitost, rychlost a svazek

Tři odrůdy, rychlost a objem - jsou často používány pro popis a definování velkých dat. Potřebujete všechny tři, abyste provedli nějakou smysluplnou analýzu. Rozmanitost se týká kanálů dat, které jsou využívány. To může být všechno, od sociálních médií, ke zprávám o počasí a datům hromadných transakcí. Hlasitost je množství dat, které přicházejí, a stejně jako všechny Vs je lepší. Objem a různorodost dat umožňují ověřit nebo odstranit odlehlé hodnoty a celkově vést k přesnějším datům. Rychlost je prostě míra, v níž dat proudí. Pro předpovědní analýzu, která je cenná z hlediska řízení rentabilního obchodování, musí být data k dispozici rychle k analýze, což znamená konstantní tok aktuálních informací. (Pro další čtení zkontrolujte: Jak velké údaje změnily finance .

Modelování dat

Všechna tato velká data jsou přiváděna do různých algoritmů pro filtrování a vážení významu vzorků, které se objevují. Tyto algoritmy kombinují vytvoření modelu, který předpovídá krátkodobé pohyby na trhu a doporučenou akci založenou na předpovědi. Samozřejmě neexistuje žádný důvod, jak to omezit na jeden model, takže více modelů s odlišným zaměřením - pohybem indexu versus konkrétním skladem - lze spustit na stejném proudu velkých dat. To vyžaduje mnoho zpracovatelského výkonu a ještě více úložiště, protože modely jsou vytvářeny a testovány na historických velkých datech, takže data nemohou být vyhozena. (Více informací o finančním modelování: Finanční modely, které můžete vytvořit s Excel .

Rychlost informací

Jádrem rozdílu mezi prognostickou analýzou a například správcem lidských fondů je rychlost, s jakou mohou být přijímána rozhodnutí. Představte si, že váš fond investuje do řetězové restaurace. Správce fondu bude sledovat investice minimálně čtvrtletně, zkontroluje ziskové marže, návratnost vloženého kapitálu, stejný prodej v obchodě a další klíčové ukazatele výkonnosti, které společnost zveřejní svým investorům.Pokud manažer vidí trend, řekněme, že klesá prodej stejného obchodu a eroze marží ve srovnání s minulým čtvrtletím, může rozhodnout o prodeji akcií. Je-li pravý opak, může se rozhodnout koupit více.

Nyní vyvolejte stejného správce fondu pomocí prediktivního modelu, který vkládá data ze všech stran. Místo čekat na čtvrtletní zprávy může vidět modely, které přibližují změny v prodeji stejného obchodu založené na příspěvcích sociálních médií podle odkazu zákazníka s údaji o transakcích a daty GPS od uživatelů s volanými inteligentními telefony pro všechna místa. Analytický software ji pomáhá při těžbě dat a doporučuje akci, která jí umožní vykládat nebo přidávat pozici dlouho předtím, než se změna v prodeji objeví v oficiálním dokumentu. Jinými slovy, již neexistuje časový posun při sledování výsledků společnosti, takže investiční rozhodnutí mohou být učiněna na základě nejnovějších informací, které přibližují skutečnou situaci společnosti. (Pro více informací viz: dolování dat pro investory .)

Nyní vyřadte manažera z rovnice a nechte model přímo obchodovat, a pak máme představu o tom, kde probíhá prognostická analýza.

Omezení

Existují ještě některá omezení, co lze udělat s velkými daty, pokud jde o prognostickou analýzu. Za účelem podávání předpovědních modelů je často třeba, aby různá data byla převedena na použitelnou formu. Postoje sociálních médií mohou být například převedeny na sentimentální signály analýzou slov jako negativních nebo pozitivních v kontextu analyzované společnosti nebo odvětví. Tyto sentimenty pak mohou být měřeny a dále analyzovány, aby poskytly vstup do modelu.

Existují i ​​jiné typy dat, které mohou být do modelu přiváděny přímo, ale odrůda, která dává modelu více prediktivních schopností, znamená také, že existují údaje, které je třeba klasifikovat a analyzovat dříve, než bude možné je použít. Toto zpoždění, jakkoli malé, zpomaluje analýzu datového toku, takže nejsme úplně v místě, kde model běží v reálném čase. Nicméně vzhledem k tomu, že analýza trendů se používá k předvídání budoucího pohybu, není to významná překážka, a to je ten, který bude překonán docela brzy, když do společnosti nabízejících tyto služby plyne více myslí a více zdrojů.

Ještě důležitější je, že úspěšná životnost určitého modelu je omezená, jelikož jiní objeví a začnou obchodovat se stejnými zdroji a vzory dat. Existuje určitý prostor pro exkluzivitu některých zdrojů dat, ale vědci v oblasti dat mohou obvykle nalézt další faktory, které by mohly vydržet vlastní data nebo korelace, které odrážejí pohyby chybějících dat. Takže udržování předpovídání v přediktivní analýze vyžaduje, aby se mozková síla vyrovnala s nestrukturovanými daty a vylepšila a otestovala nové algoritmy, stejně jako výkon a ukládání na IT straně. Kvůli těmto omezením a nákladům se prediktivní analytika obchodování s akciemi obvykle obchoduje s fondy, zejména s hedgeovými fondy, a nikoli s maloobchodními prodejci.(Pro více informací, podívejte se na: Investiční Hedge Funds Tutorial

.)

Bottom Line

Primární hodnota prediktivní analýzy je nyní jako nástroj, jako například cross-selling, compliance, marketing a tak dále. To znamená, že prediktivní analytika může být použita z investičního hlediska i bez úplného přístupu k interním datům společnosti. Technologie se zlepší a rychlost, s jakou mohou být obchodní rozhodnutí učiněna, se zrychlí, jakmile se data a přesnost předpovědí zvýší. Předvídatelná analýza pomůže obchodníkům s krátkodobými časovými plány. Umožní také automatizované obchodování s využitím prediktivních modelů, i když mnohé na trhu si stále pamatují velmi reálné problémy, které lze vysledovat zpět k obchodování s počítačem.

Je-li předvídatelná analýza prospěšná pro pravidelné investory, je větší otázka. Jak velký je důraz na krátkodobé údaje příliš mnoho? Někteří z nejúspěšnějších investorů mají prospěch ignorováním krátkodobého obrazu výměnou za dlouhodobý výkon. Budou stále schopni ignorovat krátkodobý termín, kdy jsou metriky ze čtvrtletních přehledů každodenně aktualizovány spolu se záplavami metriky sentimentu, které nebyly dříve možné zachytit?

Je snadné říci, že při investování, jako v rozhovoru, příliš mnoho informací může být špatná věc, ale to může být jen případ držení se světa, na který jsme zvyklí. Čas ukáže, zda je prediktivní analýza cenným zdrojem vhledů nebo jiným zdrojem krátkodobého hluku na trhu.