Разговоры о взаимодействии между данными, алгоритмами и людьми никогда не прекращаются.
Еще раз, Кризис, как никто другой!
Кризис, вызванный COVID19, конечно же, предоставил нам идеальные условия для использования большего количества данных, тестирования и обучения алгоритмов, а также для того, чтобы испытать наши и их сильные и слабые стороны на инвестиционной арене.
Еще раз: Кризис, как никакой другой на самом деле является названием статьи AQR в конце марта. 20-летний король квантовых вычислений пострадал после очень трудного 2018 года (так называемый Красный Октябрь), который привел к крупным оттокам и более чем 1000 увольнений: Инвесторы вытягивают миллиарды из AQR короля квантов в связи с падением производительности — Financial News.
Никогда не было лучшего времени, чтобы поднять разговор о том, повлияли ли данные (фундаментальные, традиционные и альтернативные) на ситуацию во время этого кризиса. Помогли ли алгоритмы и как? А как насчет взаимодействия людей с Данными и алгоритмами?
Фундаментальные макроданные необходимы, и это никогда не изменится. Что может и должно измениться, так это временной лаг и то, что не все источники данных заслуживают доверия. Нам необходимо создать информационную систему в режиме реального времени, собирающую достоверные данные, которая начинается с фундаментальных данных и расширяется до так называемых «альтернативных данных». В конце концов, мы все вместе избавимся от термина альтернативных данных.
Недавно компания Lykke запустила проект Открытая инициатива, который представляет собой конкурс с финансированием в размере 50 000 швейцарских франков. Его возглавляют Ричард Олсен (основатель и генеральный директор Lykke), Кристофер Джанкарло (соучредитель Digital Dollar и бывший председатель CFTC) и Ашкан Никегбали (кафедра математики в UZH).
Одна из четырех тем конкурса посвящена созданию информационной системы реального времени. Lykke предлагает систему, подобную Википедии (в некоторых аспектах), с потоками доходов, построенными на блокчейне и доступными через API. Это видение заслуживает отдельной статьи.
В мае в качестве консультанта AxessThinkTank, расположенной в Женеве экосистемы с целью стать распределенным центром знаний, мы предприняли первый шаг на пути, посвященном Люди и машины для управления неопределенностью. [1]
Я имел удовольствие модерировать 50-минутную цифровую дискуссию с разнообразной группой опытных профессионалов, которые работают количественными расчетами с данными и алгоритмами, ориентированными на разумное инвестирование. Просмотр записанного обсуждения предоставит вам полную информацию и цвет от каждого участника.
Был более или менее консенсус в отношении того, что спрос на альтернативные данные, как и ожидалось, резко возрос во время этого кризиса, потому что всем нужен доступ к ситуации в режиме реального времени и нужны меры в реальном времени. Инвесторы, трейдеры, портфельные менеджеры, пенсионеры, которые уже использовали какие-то альтернативные данные, нуждались в большем и в значительной степени полагались на высококачественные данные в реальном времени. Доверие к таким альтернативным данным и действенным методам доступа к воздействиям и создания разумных прогнозов резко возросло. Новые участники альтернативного пространства данных стекались по мере необходимости для управления рисками и воздействиями.
Участники дискуссии единогласно подтвердили возросшую потребность в управлении тематическими и нарративными рисками. Проще говоря, людям нужно было понять свою подверженность авиалиниям или Китаю во время кризиса и в новых нормальных условиях. Им нужно было спросить данные и машины, как COVID19 повлияет на недвижимость. И так далее….
Люди по-прежнему отвечают за рассказывание тем, представляющих интерес или находящихся на кону. Машины должны предоставлять полезную информацию и прогнозы.
Существует растущая потребность в постоянной переоценке такого рода сложности в режиме реального времени с использованием большого количества высококачественных данных в реальном времени всех видов. Машинное обучение и алгоритмы адаптивной торговли, которые анализируют и переобучают, дали людям уверенность в определенных классах активов (например, сырьевых товарах) в этот весьма неопределенный период.
Укрепление доверия между людьми и машинами всегда было и будет иметь важное значение. Недавний кризис был болезненным, но ценным опытом, который укрепил доверие людей к тому, что машины в настоящее время могут делать и с какими входными данными.
Произошли улучшения в действенных методах, которые позволяют людям извлекать сигналы для генерации альфа-канала, комбинируя высококачественные данные в реальном времени и адаптивные алгоритмы. Поставщики данных, идей, алгоритмов предлагают более качественные и обширные предложения.
Участниками дискуссии были представители следующих компаний:
Ravenpack — ведущая платформа для анализа данных со штаб-квартирой в Испании. Я использовал их бесплатную панель управления коронавирусом во время блокировки, у которой было много альтернативных индикаторов (паника, ажиотаж в СМИ, фейковые новости и т. д.).
Вы можете ознакомиться с их исследованиями о влиянии настроений и стратегиях инвестирования в настроения — здесь. Ravenpack подчеркивает, что негативные настроения имеют большую предсказательную силу для цен на активы, чем позитивные.
CueMacro, британская консультационная компания по альтернативным данным. Саид Амен, основатель Cuemacro, является соавтором готовящейся книги Книга альтернативных данных. Это книга, посвященная способам использования альтернативных источников информации в контексте инвестирования и управления рисками.
RAM — это макрохедж-фонд в Женеве, который подчеркивает сложность и потенциал альфа-генерации объединения структурированных и неструктурированных данных (см. статью здесь).
Macrosynergy — это британская макрохеджевая компания, которая в настоящее время выступает в качестве фидуциарного квантового дома для долгосрочных институциональных инвесторов. Они объединяют фундаментальные данные и идеи с алгоритмической торговлей.
Predictive Layer — швейцарская компания, специализирующаяся на прогнозной аналитике и приложениях для прогнозирования. Их алгоритмы адаптировались к этому кризису и предложили информацию, которую может своевременно дать только машинное обучение. Их добавленная стоимость была очевидна в пространстве товаров во время этого кризиса.
Путешествие Люди и машины для управления неопределенностью продолжается. Ив Карнаццола, президент AxessThinkTank, и я возглавляем эту инициативу в духе создания распределенного центра знаний по этой тематике.
Это будет включать в себя различные дополнительные цифровые беседы по этой теме, опросы и рассказы о ландшафтных отчетах о космосе. Если вы являетесь заинтересованным лицом в этой области и хотели бы принять участие в этом путешествии вместе с нами, пожалуйста, напишите нам, чтобы мы могли предоставить вам дополнительную информацию и подробности.
[1] Ябыл модератором некоторых направлений конференций Axess Think Tank, проводившихся раз в два года
Вызовы и возможности — большие данные, альтернативные данные и искусственный интеллект в финансах — январь 2020 г.
Вызовы и возможности — более глубокое погружение в альтернативные премии за риск — июнь 2019 г.
Вызовы и возможности криптоинвестирования — весна 2018 г.
