Big Data ist nicht neu an der Wall Street. Die Finanzwelt läuft auf Daten, so dass jede Gelegenheit, mehr zu bekommen und es schneller zu bekommen, von der Börse begrüßt wurde, seit die ersten Telegrafenlinien betrieben wurden. Die Vielfalt oder die Quellen und Arten von Daten, die Investoren und Händlern zur Verfügung stehen, sind jedoch zu einem Wildbach geworden, in dem ein menschlicher Geist einfach alles nicht aufnehmen und verarbeiten kann. Aufgrund dieser physikalischen Beschränkung hat sich eine neue Branche der Vorhersageanalyse entwickelt, um Big Data zu verstehen und Investoren in Echtzeit Kauf- und Verkaufsempfehlungen basierend auf den Mustern in den Daten zu geben, lange bevor sich traditionelle Marktsignale entwickeln. In diesem Artikel schauen wir uns Vorhersageanalysen an und was es für Investoren bedeutet.

Variety, Velocity und Volume

Die drei Vs - Variety, Velocity und Volume - werden oft verwendet, um Big Data zu beschreiben und zu definieren. Sie benötigen alle drei, um eine aussagekräftige Analyse durchzuführen. Vielfalt bezieht sich auf die Kanäle von Daten, die abgegriffen werden. Dies kann alles von Social Media Erwähnungen über Wetterberichte und Massenbewegungsdaten sein. Volumen ist die Menge der Daten, die hereinkommen und, wie alle Vs, mehr ist besser. Das Volumen und die Vielfalt der Daten ermöglichen es, Ausreißer entweder zu verifizieren oder zu eliminieren und insgesamt zu genaueren Daten zu führen. Die Geschwindigkeit ist einfach die Geschwindigkeit, mit der die Daten einfließen. Damit die vorausschauende Analyse wertvoll ist im Hinblick auf die Förderung profitablen Handels, müssen die Daten schnell für die Analyse verfügbar sein, was einen konstanten Strom von aktuellen Informationen bedeutet. (Weitere Informationen finden Sie unter: Wie Big Data Finance geändert hat.)

Modellierung der Daten

Alle diese großen Daten werden in verschiedene Algorithmen eingespeist, um die Bedeutung der entstehenden Muster zu filtern und abzuwägen. Die Algorithmen kombinieren, um ein Modell zu erstellen, das Vorhersagen über kurzfristige Marktbewegungen und eine empfohlene Aktion basierend auf der Vorhersage liefert. Natürlich gibt es keinen Grund, sie auf ein Modell zu beschränken, so dass mehrere Modelle mit unterschiedlichen Schwerpunkten - beispielsweise die Bewegung eines Indexes im Vergleich zu einem bestimmten Bestand - auf demselben Datenstrom ausgeführt werden können. Dies erfordert viel Verarbeitungsleistung und noch mehr Speicherplatz, da die Modelle auf historischen Big Data erstellt und getestet werden, so dass die Daten nicht weggeworfen werden können. (Weitere Informationen zur Finanzmodellierung finden Sie unter: Finanzmodelle, die Sie mit Excel erstellen können.)

Die Geschwindigkeit der Information

Der Kernunterschied zwischen Vorhersageanalytik und beispielsweise einem menschlichen Fondsmanager ist die Geschwindigkeit, mit der Entscheidungen getroffen werden können. Stellen Sie sich vor, Ihr Fonds hat eine Investition in ein Kettenrestaurant. Ein Fondsmanager wird die Anlage mindestens vierteljährlich beobachten und dabei die Gewinnmargen, die Rendite des investierten Kapitals, die gleichen Verkaufszahlen und andere wichtige Leistungsindikatoren überprüfen, die das Unternehmen seinen Anlegern mitteilt.Wenn der Manager einen Trend sieht, wie zum Beispiel den Rückgang der Umsätze in den gleichen Geschäften und eine Erosion der Gewinnmargen im Vergleich zum letzten Quartal, könnte er sich entscheiden, die Aktie zu verkaufen. Wenn das Gegenteil zutrifft, kann sie sich entscheiden, mehr zu kaufen.

Rüsten Sie jetzt denselben Fondsmanager mit einem Vorhersagemodell, das Daten von überall her einholt. Anstatt auf die vierteljährlichen Berichte zu warten, kann sie Modelle sehen, die die Veränderungen im Same-Store-Verkauf basierend auf Social-Media-Posts durch die Querverweise des Kunden mit den Transaktionsdaten und GPS-Daten von opt-in Smartphone-Nutzern für alle Standorte approximieren. Die analytische Software unterstützt sie bei der Gewinnung der Daten und empfiehlt eine Aktion, die es ihr ermöglicht, die Position zu entladen oder zu ergänzen, lange bevor die Umsatzänderung in einem offiziellen Dokument erscheint. Mit anderen Worten, es gibt keine Zeitverzögerung mehr, wenn man die Ergebnisse des Unternehmens sieht, so dass Investitionsentscheidungen über aktuelle Informationen getroffen werden können, die der tatsächlichen Situation des Unternehmens entsprechen. (Weitere Informationen finden Sie unter Data Mining for Investors .)

Nehmen Sie den Manager jetzt vollständig aus der Gleichung und lassen Sie das Modell direkt handeln, und wir haben eine Vorstellung davon, wohin die vorausschauende Analyse geht.

Einschränkungen

Es gibt immer noch einige Einschränkungen in Bezug auf das, was mit Big Data gemacht werden kann, soweit es um vorausschauende Analysen geht. Um die Vorhersagemodelle zu füttern, müssen die verschiedenen Daten oft in eine verwendbare Form umgewandelt werden. Social-Media-Posts können beispielsweise in Sentiment-Signale umgewandelt werden, indem die Wörter im Kontext des analysierten Unternehmens oder der Branche als negativ oder positiv analysiert werden. Diese Gefühle können dann gemessen und weiter analysiert werden, um eine Eingabe in das Modell zu liefern.

Es gibt andere Arten von Daten, die direkt in das Modell einfließen können, aber die Vielfalt, die dem Modell mehr Vorhersagekraft verleiht, bedeutet auch, dass Daten klassifiziert und analysiert werden müssen, bevor sie verwendet werden können. Diese Verzögerung, auch wenn sie klein ist, verlangsamt die Analyse des Datenstroms, so dass wir nicht ganz an dem Punkt angelangt sind, an dem das Modell in echter Echtzeit läuft. Aufgrund der Trendanalyse, die verwendet wird, um zukünftige Bewegungen vorherzusagen, ist dies jedoch keine signifikante Hürde und es ist diejenige, die bald überwunden werden wird, wenn mehr Geister und mehr Ressourcen in Richtung auf Unternehmen fließen, die diese Dienste anbieten.

Noch wichtiger ist, dass die erfolgreiche Lebensdauer eines bestimmten Modells begrenzt ist, da andere entdecken und anfangen, mit den gleichen Datenquellen und Mustern zu handeln. Es gibt etwas Raum für Exklusivität einiger Datenquellen, aber Datenwissenschaftler können normalerweise andere Faktoren finden, die für proprietäre Daten oder Korrelationen stehen, die Bewegungen in den fehlenden Daten widerspiegeln. Vorausschauende Analysen vorausschauend zu betreiben, erfordert von der Gehirnmacht, mit den unstrukturierten Daten umzugehen und neue Algorithmen sowie die Verarbeitungsleistung und -speicherung auf der IT-Seite zu optimieren und zu testen. Aufgrund dieser Beschränkungen und Kosten werden Vorhersageanalysen für den Aktienhandel in der Regel an Fonds, insbesondere Hedgefonds, und nicht an Privatanleger vermarktet.(Weitere Informationen finden Sie unter: Hedgefonds-Tutorial von Investopedia .)

Das Endergebnis

Der primäre Wert von Predictive Analytics liegt im Moment darin, dass ein Unternehmen interne Prozesse optimieren kann. wie Cross-Selling, Compliance, Marketing und so weiter. Vorhersageanalysen können jedoch von einem Investitionsstandpunkt aus auch ohne vollen Zugriff auf die internen Daten eines Unternehmens verwendet werden. Die Technologie wird sich verbessern und die Geschwindigkeit, mit der Handelsentscheidungen getroffen werden können, wird schneller, wenn die Daten und die Genauigkeit der Vorhersagen zunehmen. Predictive Analytics ist eine Hilfe für Händler mit kurzfristigen Zeitrahmen. Es wird auch automatisierte Handel mit Vorhersagemodellen ermöglichen, obwohl viele auf dem Markt noch sehr reale Probleme erinnern, die auf den Computerhandel zurückzuführen sind.

Ob Predictive Analytics für reguläre Anleger von Vorteil sein wird, ist eine größere Frage. Wie stark ist der Fokus auf die kurzfristigen Daten zu groß? Einige der erfolgreichsten Investoren haben davon profitiert, dass sie das kurzfristige Bild im Gegenzug für eine langfristige Performance ignoriert haben. Werden sie die kurzfristige Situation immer noch ignorieren können, wenn die Metriken der vierteljährlichen Berichte täglich aktualisiert werden, zusammen mit einer Flut von Stimmungsmetriken, die zuvor nicht erfasst werden konnten?

Es ist leicht zu sagen, dass beim Investieren, wie beim Konversieren, zu viel Information eine schlechte Sache sein kann, aber das kann nur ein Festhalten an der Welt sein, an die wir gewöhnt sind. Die Zeit wird zeigen, ob Vorhersageanalysen eine wertvolle Quelle für Einsichten oder eine andere Quelle von kurzfristigem Marktlärm sind.