Kako so veliki podatki spremenili finance

Ogromno širjenje podatkov in vse večja tehnološka zapletenost še naprej spreminjata način delovanja in konkurence industrije. V zadnjih nekaj letih je bilo 90 odstotkov podatkov na svetu ustvarjenih kot rezultat ustvarjanja 2, 5 kvintiljonskih bajtov podatkov na dan. Ta hitra rast in shranjevanje, ki ga običajno imenujemo veliki podatki, ustvarja priložnosti za zbiranje, obdelavo in analizo strukturiranih in nestrukturiranih podatkov.

Po velikih 3 V velikih podatkih organizacije uporabljajo podatke in analitiko za pridobitev dragocenega vpogleda za boljše poslovne odločitve. Industrije, ki so sprejele uporabo velikih podatkov, vključujejo finančne storitve, tehnologijo, trženje in zdravstveno varstvo. Sprejem velikih podatkov še naprej na novo definira konkurenčno pokrajino industrije. Po ocenah 89 odstotkov podjetij meni, da podjetja brez analitične strategije tvegajo izgubo konkurenčne prednosti na trgu.

Zlasti finančne službe so na splošno sprejele analitiko velikih podatkov, da bi lahko informirale boljše naložbene odločitve z enakomerno donosnostjo. V povezavi z velikimi podatki algoritmično trgovanje uporablja ogromno zgodovinskih podatkov s kompleksnimi matematičnimi modeli za povečanje donosa portfelja. Nenehno sprejemanje velikih podatkov bo neizogibno spremenilo pokrajino finančnih storitev. Vendar pa skupaj z očitnimi koristmi ostajajo pomembni izzivi glede sposobnosti velikih podatkov, da zajamejo naraščajočo količino podatkov.

3 V velikih podatkov

3 V so bistveni za velike podatke: prostornino, raznolikost in hitrost. Kljub vse večji konkurenci, regulativnim omejitvam in potrebam strank finančne institucije iščejo nove načine, kako izkoristiti tehnologijo za povečanje učinkovitosti. Podjetja lahko glede na panogo uporabljajo določene vidike velikih podatkov, da pridobijo konkurenčno prednost.

Hitrost je hitrost shranjevanja in analiziranja podatkov. Newyorška borza vsak dan zajame 1 terabajt informacij. Do leta 2016 je bilo približno 18, 9 milijarde omrežnih povezav s približno 2, 5 priključki na osebo na Zemlji. Finančne institucije se lahko razlikujejo od konkurence, če se osredotočijo na učinkovito in hitro obdelavo poslov.

Veliki podatki se lahko razvrstijo kot nestrukturirani ali strukturirani. Nestrukturirani podatki so podatki, ki so neorganizirani in ne sodijo v vnaprej določen model. To vključuje podatke, zbrane iz virov družbenih medijev, ki institucijam pomagajo zbirati informacije o potrebah strank. Strukturirani podatki so sestavljeni iz informacij, ki jih organizacija že upravlja v relacijskih bazah podatkov in preglednicah. Posledično je treba dejavno upravljati z različnimi oblikami podatkov, da bi zagotovili boljše poslovne odločitve.

Vedno večji obseg tržnih podatkov predstavlja velik izziv za finančne institucije. Skupaj z obsežnimi zgodovinskimi podatki morajo bančni in kapitalski trgi dejavno upravljati podatke, ki jih prinašajo. Prav tako investicijske banke in podjetja za upravljanje premoženja uporabljajo obsežne podatke za sprejemanje trdnih naložbenih odločitev. Zavarovalnice in pokojninske družbe lahko dostopajo do preteklih polic in zahtevkov za aktivno upravljanje s tveganji. (Več o tem glej: Quants: The Rocket Scientist Of Wall Street .)

Algoritmično trgovanje

Algoritmično trgovanje je postalo sinonim za velike podatke zaradi vse večjih zmogljivosti računalnikov. Samodejni postopek omogoča računalniškim programom izvajanje finančnih poslov s hitrostmi in frekvencami, ki jih človeški trgovec ne zmore. V okviru matematičnih modelov algoritmično trgovanje omogoča trgovanje po najugodnejših možnih cenah in pravočasno trgovanje ter zmanjšuje ročne napake zaradi vedenjskih dejavnikov.

Institucije lahko učinkoviteje zmanjšajo algoritme za vključitev ogromnih količin podatkov in tako izkoristijo velike količine zgodovinskih podatkov za podporne strategije in tako ustvarijo manj tvegane naložbe. To uporabnikom pomaga identificirati uporabne podatke, ki jih bodo hranili, pa tudi podatke majhne vrednosti, ki jih je treba zavreči. Glede na to, da je mogoče algoritme ustvariti s strukturiranimi in nestrukturiranimi podatki, vključitev novic, socialnih medijev in zalog v realnem času v en algoritem lahko povzroči boljše trgovinske odločitve. Za razliko od odločanja, na katerega lahko vplivajo različni viri informacij, človeška čustva in pristranskost, se algoritmični posli izvajajo izključno na finančnih modelih in podatkih.

Robovi svetovalci uporabljajo algoritme naložb in ogromno količino podatkov na digitalni platformi. Naložbe so uokvirjene s sodobno teorijo portfelja, ki običajno podpira dolgoročne naložbe za ohranjanje doslednih donosov in zahteva minimalno interakcijo s človeškimi finančnimi svetovalci. (Več o tem glej: Osnove algoritmičnega trgovanja: koncepti in primeri .)

Izzivi

Kljub temu, da industrija finančnih storitev vse bolj zajema velike podatke, na tem področju še vedno obstajajo pomembni izzivi. Najpomembneje je, da zbiranje različnih nestrukturiranih podatkov podpira pomisleke glede zasebnosti. Osebni podatki o posameznikovi odločitvi se lahko zbirajo prek družbenih medijev, e-poštnih sporočil in zdravstvenih kartotek.

Zlasti pri finančnih storitvah se večina kritik nanaša na analizo podatkov. Že sama količina podatkov zahteva večjo prefinjenost statističnih tehnik, da bi dobili natančne rezultate. Zlasti kritiki pretiravajo signal na hrup kot vzorce lažnih korelacij, ki predstavljajo statistično robustne rezultate čisto po naključju. Tudi algoritmi, ki temeljijo na ekonomski teoriji, ponavadi kažejo na dolgoročne naložbene priložnosti zaradi trendov v zgodovinskih podatkih. Učinkovito ustvarjanje rezultatov, ki podpirajo kratkoročno naložbeno strategijo, so lastni izzivi napovednih modelov.

Spodnja črta

Veliki podatki še naprej spreminjajo pokrajino različnih panog, zlasti finančnih. Mnoge finančne institucije sprejemajo analitiko velikih podatkov, da bi ohranile konkurenčno prednost. S strukturiranimi in nestrukturiranimi podatki lahko kompleksni algoritmi izvajajo transakcije s številnimi viri podatkov. Človeška čustva in pristranskosti je mogoče zmanjšati s pomočjo avtomatizacije; Vendar pa ima trgovanje z velikimi analizami podatkov svoj poseben sklop izzivov Do sedaj izdelani statistični rezultati niso bili popolnoma sprejeti zaradi sorodne novosti na terenu. Ker pa se finančne storitve gibljejo k velikim podatkom in avtomatizaciji, bo natančnost statističnih tehnik povečala natančnost.