Потребность в новых данных
Следование за рынками раньше означало сбор данных из нескольких основных источников. Инвесторы могут быть в курсе, читая Wall Street Journal ежедневно. Аналитики и финансовые менеджеры читали бы финансовые отчеты и документы Комиссии по ценным бумагам и биржам. Некоторые технические аналитики пытались собрать дополнительную информацию о рынке, выявляя закономерности в ценах. Позже СМИ, специализирующиеся на финансовых новостях, такие как CNBC и Bloomberg, начали упрощать доступ к финансовой информации.
Интернет позволил бесплатно найти огромный объем финансовых данных одним нажатием кнопки. Доступность данных очень удобна для инвесторов, которые хотят исследовать компании и получать доступ к новостям, финансовым отчетам и документам SEC. С другой стороны, доступность данных и рост автоматизированной электронной торговли делали все более трудным для любого инвестора, стремящегося получить прибыль, торгуя на конкретном новостном сообщении или событии. Благодаря простоте доступа к этим данным ценность этих данных упала до нуля. В результате многие профессиональные трейдеры и управляющие активами начали искать альтернативные источники данных.
Поиск новых источников данных
Хедж-фонды, управляющие капиталом и другие профессиональные трейдеры сейчас изучают альтернативные источники данных, чтобы помочь им получить более высокую прибыль, требуемую их клиентами. Недавнее исследование Greenwich Associates показало, что инвесторы тратят 183 миллиона долларов в год на альтернативные источники данных. По оценкам JP Morgan, когда стоимость оборудования и аналитики сочетается с фактической стоимостью данных, рынок альтернативных финансовых данных приближается к 2 миллиардам долларов. Другое исследование, проведенное Tabb Group, предполагает, что расходы на альтернативные данные могут удвоиться в течение следующих пяти лет.
Некоторые источники альтернативных данных более полезны для анализа конкретных типов инвестиций, поэтому важно найти наиболее подходящие данные для сбора дополнительной информации о компании. Это некоторые из видов доступных данных и способов их использования инвесторами для прогнозирования финансовых показателей.
· Данные со спутников и дронов. Изображения со спутников и дронов могут предоставить информацию обо всем - от количества автомобилей на парковке розничного магазина до эффективности солнечной панели.
· Данные из Интернета, приложений и социальных сетей - это одни из самых полезных данных об отношении и поведении потребителей. Он может включать в себя тенденции поиска, интеллектуальный анализ данных для определенных слов или фраз в учетных записях социальных сетей, а также то, сколько времени пользователь проводит на определенном веб-сайте или в приложении.
· Данные о погоде. Погода может влиять на покупательское поведение, пешеходную посещаемость и даже на предпочтения потребителей в отношении определенных типов товаров. Прогноз погоды может помочь в прогнозировании этой деятельности.
· Данные о местоположении и посещаемости. Изменения в пешеходной посещаемости могут указывать на будущие изменения доходов и прибыльности магазинов и ресторанов.
· Данные кредитной карты и альтернативных кредитных транзакций - эти данные могут дать совокупный обзор того, сколько потребители тратят и что они покупают.
· Местные цены - агрегирование местных цен по всей стране может дать представление об инфляции и прогнозировать процентные ставки и потребительские расходы.
· Данные о настроениях - показатели настроений могут помочь спрогнозировать будущие потребительские расходы.
Использование новых источников данных
Проблема со всеми этими данными заключается в том, что человек не может обработать огромное количество финансовой информации, генерируемой каждый день. Альтернативные источники данных только усложняют и без того непосильную задачу анализа данных. К тому времени, когда человек сможет вводить, моделировать и анализировать все эти данные, любые возможности для инвестиций исчезнут. Именно здесь искусственный интеллект (ИИ) может помочь, собирая, анализируя и моделируя данные гораздо эффективнее, чем комната, полная аналитиков. ИИ может быстро находить закономерности в огромных наборах данных.
Как только закономерности выявляются из данных, инвесторы могут использовать эту информацию для моделирования потенциальных рыночных результатов и инвестиционных стратегий. Используя инструменты искусственного интеллекта и машинного обучения, инвесторы, аналитики и управляющие активами могут разрабатывать гораздо более сложные прогнозы, чем когда-либо прежде, чтобы повысить рентабельность инвестиций. Дело в том, что без помощи ИИ попытка включить все эти новые источники данных в модель не принесла бы пользы, потому что анализ и распознавание сложных закономерностей заняло бы слишком много времени. Поскольку объем доступных данных продолжает экспоненциально увеличиваться, потребность в технологиях, способных просеивать данные, становится все более необходимой для принятия инвестиционных решений. Ценность создают не только данные, это динамические модели и прогнозы. Данные позволяют инвесторам находить новые идеи и разрабатывать более эффективные стратегии.
ИИ, машинное обучение и будущее больших данных
Альтернативные данные, искусственный интеллект и машинное обучение - это не просто причуда финтехнологий. На своей конференции по макроэкономике и деривативам 2017 года JPMorgan опросил 239 инвесторов о будущем больших данных и машинного обучения. 94% респондентов считали, что большие данные и машинное обучение станут важными для всех инвесторов, а 23% заявили, что ожидают, что машинное обучение и большие данные начнут революцию в финансах. Респонденты разделились во мнениях относительно того, сделают ли альтернативные данные и технологии устаревшими традиционные формы финансовых данных, но дело в том, что будущее финансов состоит в том, чтобы научиться использовать огромный объем данных, доступных инвесторам, для принятия более разумных и прибыльных решений.
Использованная литература:
Http://www.valuewalk.com/2017/09/alternative-data-sources/
Https://www.cbinsights.com/research/alternative-data-startups-market-map-company-list/
