Kako su veliki podaci promijenili financije

Ogromno širenje podataka i sve veća tehnološka složenost i dalje mijenjaju način na koji industrije djeluju i natječu se. U posljednjih nekoliko godina 90 posto podataka u svijetu nastalo je kao rezultat svakodnevnog stvaranja 2, 5 kvintilijun bajta podataka. Ovaj brzi rast i pohrana, obično nazvan velikim podacima, stvara mogućnosti za prikupljanje, obradu i analizu strukturiranih i nestrukturiranih podataka.

Nakon 3 V velikih podataka, organizacije koriste podatke i analitiku za dobivanje dragocjenog uvida za informiranje boljih poslovnih odluka. Industrije koje su usvojile upotrebu velikih podataka uključuju financijske usluge, tehnologiju, marketing i zdravstvo, da ih samo nabrojimo. Usvajanje velikih podataka nastavlja redefinirati konkurentni krajolik industrija. Procjenjuje se da 89 posto poduzeća smatra da oni bez analitičke strategije riskiraju da izgube konkurentsku prednost na tržištu.

Financijske usluge, posebno, uveliko su usvojile analitiku velikih podataka radi boljeg informiranja o odlukama ulaganja s dosljednim prinosima. Zajedno s velikim podacima, algoritamsko trgovanje koristi ogromne povijesne podatke sa složenim matematičkim modelima kako bi maksimiziralo prinose portfelja. Stalno usvajanje velikih podataka neizbježno će transformirati krajolik financijskih usluga. Međutim, uz njegove prividne prednosti, ostaju značajni izazovi u pogledu sposobnosti velikih podataka da zabilježe sve veći obujam podataka.

3 V od velikih podataka

3 V su temeljni za velike podatke: volumen, raznolikost i brzinu. Suočavajući se sa sve većom konkurencijom, regulatornim ograničenjima i potrebama klijenata, financijske institucije traže nove načine kako utjecati na tehnologiju da bi postigle učinkovitost. Ovisno o branši, tvrtke mogu koristiti određene aspekte velikih podataka da bi dobile konkurentsku prednost.

Brzina je brzina kojom se podaci moraju pohraniti i analizirati. Njujorška berza tijekom dana bilježi 1 terabajt informacija. Do 2016. godine procijenjeno je 18, 9 milijardi mrežnih veza, s otprilike 2, 5 priključka po osobi na Zemlji. Financijske institucije mogu se razlikovati od konkurencije fokusirajući se na učinkovitu i brzu obradu obrta.

Veliki podaci mogu se kategorizirati kao nestrukturirani ili strukturirani podaci. Nestrukturirani podaci su podaci koji su neorganizirani i ne spadaju u unaprijed utvrđeni model. To uključuje podatke prikupljene iz izvora društvenih medija koji institucijama pomažu u prikupljanju podataka o potrebama korisnika. Strukturirani podaci sastoje se od informacija koje organizacija već upravlja u relacijskim bazama podataka i proračunskim tablicama. Kao rezultat, raznim oblicima podataka se mora aktivno upravljati kako bi se informirale bolje poslovne odluke.

Sve veći volumen tržišnih podataka predstavlja veliki izazov za financijske institucije. Uz ogromne povijesne podatke, bankarsko i tržište kapitala moraju aktivno upravljati podacima. Isto tako, investicijske banke i tvrtke za upravljanje imovinom koriste obilne podatke za donošenje zdravih investicijskih odluka. Tvrtke za osiguranje i mirovine mogu pristupiti podacima iz prethodnih polica osiguranja i potraživanja radi aktivnog upravljanja rizikom. (Za više detalja, pogledajte: Quants: The Rocket Scientist Of Wall Street .)

Algoritamsko trgovanje

Algoritamska trgovina postala je sinonim za velike podatke zbog rastućih mogućnosti računala. Automatizirani postupak omogućuje računalnim programima izvršavanje financijskih trgovanja brzinama i frekvencijama koje ljudski trgovac ne može. Unutar matematičkih modela, algoritamsko trgovanje omogućava trgovanje po najboljim mogućim cijenama i pravovremeno plasiranje u trgovinu, te smanjuje ručne pogreške zbog faktora ponašanja.

Institucije mogu učinkovitije smanjiti algoritme da uključe ogromne količine podataka, koristeći veliku količinu povijesnih podataka kako bi podržale strateske strategije, stvarajući tako manje rizična ulaganja. To pomaže korisnicima da identificiraju korisne podatke koje će zadržati kao i podatke male vrijednosti koje treba odbaciti. S obzirom da se algoritmi mogu kreirati sa strukturiranim i nestrukturiranim podacima, uključivanjem vijesti u stvarnom vremenu, podataka o društvenim medijima i dionicama u jedan algoritam može se generirati bolje odluke o trgovanju. Za razliku od odlučivanja, na koje mogu utjecati različiti izvori informacija, ljudske emocije i pristranosti, algoritmički se poslovi izvršavaju samo na financijskim modelima i podacima.

Robo savjetnici koriste algoritme ulaganja i ogromne količine podataka na digitalnoj platformi. Ulaganja su uokvirena modernom teorijom portfelja koja obično podržava dugoročna ulaganja za održavanje dosljednih povrata i zahtijevaju minimalnu interakciju s ljudskim financijskim savjetnicima. (Za više pogledajte: Osnove algoritamske trgovine: pojmovi i primjeri .)

Izazovi

Unatoč tome što industrija financijskih usluga sve više prihvaća velike podatke, na tom području još uvijek postoje značajni izazovi. Najvažnije je da prikupljanje različitih nestrukturiranih podataka podržava brige o privatnosti. Osobni podaci mogu se prikupiti o pojedinčevoj odluci putem društvenih medija, e-mailova i zdravstvenih kartona.

Unutar financijskih usluga, većina kritika pada na analizu podataka. Sam obim podataka zahtijeva veću sofisticiranost statističkih tehnika kako bi se dobili točni rezultati. Kritičari naročito precjenjuju signal za šum kao obrasce lažnih korelacija, što predstavlja statistički robusne rezultate čisto slučajno. Isto tako, algoritmi utemeljeni na ekonomskoj teoriji obično ukazuju na dugoročne mogućnosti ulaganja zbog trendova u povijesnim podacima. Učinkovito postizanje rezultata koji podržavaju kratkoročnu strategiju ulaganja urođeni su izazovi u prediktivnim modelima.

Donja linija

Veliki podaci nastavljaju transformirati krajolik različitih industrija, posebno financijskih usluga. Mnoge financijske institucije usvajaju analizu velikih podataka kako bi održale konkurentsku prednost. Kroz strukturu i nestrukturirane podatke složeni algoritmi mogu izvršavati trgovine koristeći brojne izvore podataka. Ljudske emocije i pristranosti mogu se minimizirati automatizacijom; međutim, trgovanje analizom velikih podataka ima svoj specifičan skup izazova Do sada proizvedeni statistički rezultati nisu u potpunosti prihvaćeni zbog relativne novosti na terenu. Međutim, kako je trend financijskih usluga prema velikim podacima i automatizaciji, sofisticiranost statističkih tehnika povećavat će točnost.