Maximelyn
Подавляющее распространения данных и увеличения технологических сложностей продолжать изменить способ работы отрасли и конкурировать. За последние два года, 90% данных в мире было создано в результате создания 2. 5 квинтильона байтов данных на ежедневной основе. Обычно называемые большие данные, такого стремительного роста и хранения создает возможности для сбора, обработки и анализа структурированных и неструктурированных данных.
После 3 в больших данных, организации используют данные и аналитику для получения ценных сведений сообщить лучшие бизнес-решения. Отраслей, которые перешли на использование больших данных, включая финансовые услуги, технологии, маркетинг и здравоохранение, чтобы назвать несколько. Принятие больших данных продолжает расширять конкурентную среду отрасли. Около 89 процентов предприятий считают тех, кто без стратегии аналитика рискуете потерять конкурентное преимущество на рынке.
Финансовых услуг, в частности, широко применяется для анализа больших данных, чтобы информировать лучше инвестиционных решений с последовательным возвращает. В сочетании с большими данными, алгоритмический трейдинг использует обширные исторические данные с комплекса математических моделей для обеспечения максимальной доходности портфеля . Дальнейшее внедрение больших данных неизбежно преобразить ландшафт финансовых услуг. Однако, наряду с очевидными преимуществами, сохраняются серьезные проблемы в отношении возможности больших данных, чтобы захватить растущий объем данных. (Подробнее см.: большая игра в большие данные. )
3 в больших данных
В 3 В имеют основополагающее значение для больших данных: объем, разнообразие и скорость. Возрастает конкуренция, законодательные ограничения и потребности клиентов, финансовые учреждения ищут новые способы использования технологии для повышения эффективности. В зависимости от отрасли, компании могут использовать определенные аспекты больших данных для получения конкурентных преимуществ.
Скорость-это скорость, с которой данные должны быть сохранены и проанализированы. Нью-Йоркская Фондовая биржа фиксирует 1 терабайт информации в течение каждого дня. К 2016 году, то будет примерно 18. 9 миллиардов сетевых подключений к 2016 году, с примерно 2. 5 соединяет одного человека на Земле. Финансовые учреждения могут дифференцировать себя от конкурентов, сосредоточившись на эффективно и быстро обрабатывать сделки.
Большие данные могут быть классифицированы как неструктурированные и структурированные данные. Неструктурированные данные-это информация, которая является неорганизованной и не попадают в заранее определенной модели. Это включает в себя данные, собранные из источников социальных медиа, которые помогают институтах сбор информации о потребностях клиентов . Структурированные данные состоят из информации, которая уже находится в ведении организации реляционных баз данных и электронных таблиц. В результате, различные формы данных должны быть активно управляемым в целях информирования лучшие бизнес-решения.
Рост объема рыночных данных представляет собой большой вызов для финансовых учреждений. Наряду с обширными историческими данными, банковской и рынков капитала нужно активно управлять данными линеечку . Кроме того, инвестиционные банки и фирмы по управлению активами используйте объемные данные для принятия обоснованных инвестиционных решений. Страховые и пенсионные компании могут открыть последние политики и требований службы управления рисками . (Подробнее см.: кванты: ракета ученых Уолл-Стрит. )
Алгоритмическая Торговля
Алгоритмическая торговля становится синонимом больших данных в связи с ростом возможностей компьютеров. Автоматизированный процесс позволяет компьютерные программы для выполнения финансовых сделок на скоростях и частотах, которые человеческое трейдер не может. В рамках математических моделей, алгоритмической торговли обеспечивает исполнение сделок по лучшим ценам и своевременное размещение торговли, и уменьшает ручную ошибок из-за поведенческих факторов.
Учреждения могут более эффективно сворачивать алгоритмы для включения больших объемов данных, использование больших объемов данных для тестирования стратегий, тем самым создавая менее рискованные инвестиции. Это поможет пользователям определить полезные данные, чтобы сохранить, а также низкое значение, чтобы отменить. Учитывая, что алгоритмы могут быть созданы с помощью структурированных и неструктурированных данных, включая Новости в реальном времени, социальные медиа и данных в одном алгоритмическом двигатель может генерировать лучшие торговые решения. В отличие от принятия решений, которые могут быть под влиянием различных источников информации, человеческих эмоций и предвзятости, алгоритмические сделки совершаются исключительно на финансовых моделей и данных.
Советники робо использовать алгоритмы инвестиций и огромных объемов данных на цифровую платформу. Инвестиций строится на основе современной теории портфеля, который обычно поддерживает долгосрочные инвестиции для сохранения постоянного дохода, и требуют минимального взаимодействия с людьми финансовые консультанты. (Подробнее см.: Основы Алгоритмической торговли: концепции и примеры. )
Проблемы
Несмотря на финансовые услуги промышленность растет объятия больших данных, все еще существуют значительные проблемы в области. Самое главное, что коллекции различных неструктурированных данных поддерживает опасения по поводу конфиденциальности. Личная информация может быть собрана о решении человека через социальные медиа, электронной почты и медицинских записей.
В рамках финансовых услуг, в частности, большая часть критики приходится на анализ данных . Большой объем данных требует большей изощренности статистических методов для получения точных результатов. В частности, критиков переоценить сигнал / шум в качестве модели ложных корреляций, представляющий статистически надежные результаты чисто случайно. Кроме того, на основе алгоритмов от экономической теории, как правило, указывают на долгосрочные инвестиционные возможности из-за тенденций в исторических данных. Эффективного получения результатов поддержки краткосрочной инвестиционной стратегии неизбежные проблемы в прогностических моделях.
Нижняя Линия
Большие данные меняют ландшафт различных отраслях промышленности, особенно в сфере финансовых услуг. Многие финансовые учреждения внедряют аналитику больших данных для того, чтобы сохранить конкурентное преимущество. Через структуру и неструктурированных данных, сложные алгоритмы могут совершать сделки с использованием нескольких источников данных . Человеческие эмоции и предубеждения можно свести к минимуму за счет автоматизации; однако торговля с анализа больших данных имеет свои специфические задачи, производимых статистических результатов до сих пор не получила широкого признания в связи с относительной новизной этой области . Однако, как финансовые услуги, тенденция к больших данных и автоматизации, совершенствование статистических методов позволит повысить точность.