Datele mari nu sunt noi pe Wall Street. Lumea financiară rulează pe date, astfel încât orice oportunitate de a obține mai mult și de a obține mai repede a fost îmbrățișată de bursa de valori de la primele linii de telegraf au fost difuzate. Cu toate acestea, soiul sau sursele și tipurile de date disponibile investitorilor și comercianților au crescut într-un torent în care o minte umană nu poate să absoarbă și să o proceseze pe toate. Din cauza acestei limitări fizice, o nouă industrie de analiză predictivă sa dezvoltat pentru a înțelege date importante și a da investitorilor posibilitatea de a cumpăra și de a vinde în timp real recomandări bazate pe modelele formate în date cu mult înainte de dezvoltarea semnalelor tradiționale ale pieței. În acest articol, vom analiza analizele de predicție și ce înseamnă pentru investitori.

AD:

Varietatea, viteza și volumul

Cele trei varietăți, viteza și volumul Vs sunt adesea folosite pentru a descrie și defini date mari. Aveți nevoie de toate cele trei pentru a face o analiză semnificativă. Varietatea se referă la canalele de date care sunt utilizate. Acest lucru poate fi totul, de la media socială, la rapoarte meteorologice și date despre tranzacțiile în vrac. Volumul este cantitatea de date care vine și, ca toate Vs, mai mult este mai bine. Volumul și varietatea de date permit ca valorile de valori să fie verificate sau eliminate și să conducă la date mai exacte în ansamblu. Viteza este pur și simplu rata la care fluxul de date intră. Pentru ca analizele predictive să fie valoroase în ceea ce privește conducerea tranzacțiilor profitabile, datele trebuie să fie disponibile rapid pentru analiză, ceea ce înseamnă un flux constant de informații actualizate. (Pentru citirea ulterioară, verificați: Cât de mari au fost modificate datele financiare .)

Modelarea datelor

Toate aceste date mari sunt introduse în algoritmi diferite pentru a filtra și a cântări semnificația tiparelor care apar. Algoritmii se combină pentru a crea un model care oferă previziuni privind mișcările de piață pe termen scurt și o acțiune recomandată bazată pe predicție. Desigur, nu există nici un motiv să se limiteze la un singur model, astfel încât mai multe modele cu focalizare diferită - mișcarea unui indice și un anumit stoc, de exemplu - pot fi executate pe același flux de date mari. Acest lucru necesită multă putere de procesare și stocare chiar mai mare, deoarece modelele sunt create și testate pe date istorice mari, astfel încât datele nu pot fi aruncate. (Pentru mai multe detalii despre modelarea financiară, verificați: Modelele financiare pe care le puteți crea cu Excel .)

Viteza informației

Diferența de bază între analizele predictive și, de exemplu, un manager de fonduri umane este viteza la care pot fi luate deciziile. Imaginați-vă că fondul dvs. are o investiție într-un restaurant în lanț. Un manager de fond va urmări investiția cel puțin trimestrial, verificând marjele de profit, randamentul capitalului investit, vânzările la același magazin și alți indicatori de performanță cheie care sunt difuzați de companie investitorilor săi.În cazul în care managerul vede o tendință, cum ar fi scăderea vânzărilor în același magazin și o eroziune a marjelor de profit în comparație cu ultimul trimestru, ea poate decide să vândă acțiunile. Dacă contrariul este adevărat, ea poate decide să cumpere mai mult.

Acum armați același manager de fonduri cu un model predictiv care trage date de la toate. În loc să aștepte rapoartele trimestriale, ea poate vedea modele care aproximează modificările în vânzările în același magazin, bazate pe postările social media, în funcție de crucea clientului, care se referă la datele tranzacției și la datele GPS de la utilizatorii de smartphone opt-in pentru toate locațiile. Software-ul analitic îl ajută să extragă datele și recomandă o acțiune care să îi permită descărcarea sau adăugarea poziției cu mult înainte ca schimbarea vânzărilor să apară într-un document oficial. Cu alte cuvinte, nu mai există niciun decalaj în ceea ce privește rezultatele companiei, astfel încât deciziile de investiții pot fi luate pe baza informațiilor actualizate care aproximează situația reală a companiei. (Mai mult, vezi: Data Mining for Investors .)

Acum scoateți managerul complet din ecuație și lăsați modelul să tranzacționeze direct și apoi avem o idee despre unde se desfășoară analiza predictivă.

Limitări

Există încă unele limitări în ceea ce se poate face cu date mari în ceea ce privește analizele predictive. Pentru a alimenta modelele predictive, datele variate trebuie adesea convertite într-o formă utilizabilă. Mesajele media sociale, de exemplu, pot fi transformate în semnale de sentiment prin analizarea cuvintelor ca negative sau pozitive în contextul companiei sau al industriei analizate. Aceste sentimente pot fi apoi măsurate și analizate în continuare pentru a oferi o contribuție la model.

Există și alte tipuri de date care pot fi introduse direct în model, dar soiul care oferă modelului mai multe funcții de predicție înseamnă, de asemenea, că vor exista date care trebuie clasificate și analizate înainte de a fi utilizate. Acest întârziere, oricât de mic, va încetini analiza fluxului de date, deci nu suntem destul de la punctul în care modelul rulează în timp real. Cu toate acestea, din cauza faptului că analiza tendințelor este utilizată pentru a anticipa mișcările viitoare, acest lucru nu este un obstacol semnificativ și este cel care va fi depășit destul de curând, deoarece mai multe minți și mai multe resurse se îndreaptă spre companiile care oferă aceste servicii.

Mai important, durata de viață reușită a oricărui model este limitată, pe măsură ce alții descoperă și încep să comercializeze aceleași surse și modele de date. Există un spațiu pentru exclusivitatea anumitor surse de date, însă oamenii de știință din domeniul datelor pot găsi, de obicei, alți factori care stau la baza unor date sau corelații care reflectă mișcările datelor lipsă. Așadar, păstrarea în continuare în analiza predictivă presupune ca puterea creierului să se ocupe de datele nestructurate și să testeze și să testeze noi algoritmi, precum și puterea de procesare și stocarea pe partea IT. Din cauza acestor limitări și costuri, analiza predictivă pentru tranzacționarea acțiunilor este comercializată, de regulă, către fonduri, în special fondurile speculative, mai degrabă decât pentru investițiile investitorilor.(

Linia de jos

Valoarea principală a analizei predictive chiar acum este ca o unealtă pentru o companie care să utilizeze intern pentru a optimiza procesele cum ar fi vânzarea încrucișată, conformitatea, marketingul și așa mai departe. Acestea fiind spuse, analizele predictive pot fi folosite din punct de vedere investițional chiar și fără acces deplin la datele interne ale unei companii. Tehnologia se va îmbunătăți, iar viteza la care pot fi luate deciziile de tranzacționare va deveni mai rapidă, pe măsură ce datele și precizia predicțiilor vor crește. Analiza predictivă va fi un ajutor pentru comercianții cu termen scurt pe termen scurt. De asemenea, va permite tranzacționarea automată folosind modele predictive, deși multe dintre ele încă își mai amintesc problemele foarte reale care pot fi urmărite în urma tranzacționării pe calculator.

Dacă analiza predictivă va beneficia de investitorii obișnuiți este o întrebare mai mare. Cât de mult se concentrează prea mult pe datele pe termen scurt? Unii dintre cei mai de succes investitori au beneficiat de ignorarea imaginii pe termen scurt în schimbul performanțelor pe termen lung. Vor fi în continuare capabili să ignore termenul scurt atunci când valorile din rapoartele trimestriale sunt actualizate zilnic, împreună cu un val de metrici de sentimente care anterior nu au putut fi capturate?

Este ușor de spus că, în investiții, ca în conversație, prea multe informații pot fi un lucru rău, dar acest lucru poate fi doar un caz de a ține lumea în care suntem obișnuiți. Timpul va spune dacă analiza predictivă este o sursă valoroasă de cunoaștere sau altă sursă de zgomot pe termen scurt pe piață.