Инвестиционная индустрия внедряет передовые технологии быстрее, чем любая другая отрасль в мире, и ее лидеры не сбавляют темпа в эпоху ИИ.

Публика бросает дротики в доску, спорт, а я не бросаю дротики в доску. Ставлю на верные вещи. — «Гордон Гекко, «Уолл-Стрит»

Неудивительно, что передовой край науки о данных, особенно в том, что касается машинного обучения, найдет своих первых последователей в области, посвященной предсказанию будущего и созданию богатства. Будь то портфельные менеджеры, трейдеры, инвестиционные банкиры или венчурные капиталисты, у тех, кто доминирует на Уолл-стрит, есть одна общая черта: они всегда первыми покупают то, что продает Кремниевая долина. Подобно персональному компьютеру в 80-х или Интернету в 90-х, если технология помогает собирать и анализировать новые данные быстрее, чем вы наверняка найдете ее в руках воинов Уолл-стрит.

Некоторые из самых талантливых разработчиков, аналитиков данных и инженеров по машинному обучению в мире усердно работают над расширением границ прогнозной аналитики в инвестиционной отрасли. Это неудивительно, поскольку продукты систем машинного обучения идеально совпадают с целями профессионалов в области инвестиций:

  • Предвидеть будущие события
  • Распознавайте закономерности
  • Создайте лучшие правила
  • Принимайте лучшие решения

Было сказано, что начинающий специалист по данным должен выбрать область, в которой он будет специализироваться. Если вы, как и я, стремящийся специалист по данным, и если, как и я, вы предпочитаете инвестиционную отрасль, то читайте дальше, чтобы изучить несколько увлекательных способов, которыми машинное обучение используется для поиска альфы.

Обработка естественного языка

Текст в финансовых документах становится важным альтернативным источником данных, а конвейеры машинного чтения/NLP стоят за одними из самых передовых инструментов исследования сегодня. Например; использование НЛП для интерпретации стенограмм звонков о доходах, где руководители представляют свои последние финансовые результаты и отвечают на вопросы финансовых аналитиков. Инвесторы используют стенограммы для оценки изменений настроений (негативных, позитивных, субъективных, объективных), акцента на определенных темах (запуск продуктов, показатели продаж, слияния и поглощения) и даже стиля общения.

Карта отношений и регрессионный анализ

Трейдеры выявляют неинтуитивные взаимосвязи между ценными бумагами и рыночными индикаторами и устанавливают статистически обоснованные связи между различными, казалось бы, несвязанными наборами данных. Продажи пиломатериалов падают в преддверии замедления темпов жилищного строительства, что приводит к недополучению прибыли компаниями по обеспечению безопасности дома и так далее.

Машинное зрение и альтернативные данные

Анализ альтернативных данных, таких как прогнозы погоды, спутниковые снимки торговых парковок и движение контейнеровозов, — это лишь несколько примеров того, как ведущие хедж-фонды выходят за рамки баланса для структурирования инвестиционных стратегий.

Прогнозирование роста с помощью веб-трафика

Сочетание трафика корпоративного веб-сайта с тенденциями поисковых систем для оценки будущего роста продаж продуктов и услуг оказалось выигрышной стратегией для инвесторов, ориентированных на электронную коммерцию и бытовую электронику.

Прогнозирование объема торговли с использованием моделей временных рядов

Представьте, что Vanguard нужно продать два миллиона акций AAPL. Они не могут продать все сразу, потому что рынок поймет, что большое количество акций сбрасывается, цена упадет, а их доходность будет ниже. Чтобы получить лучшую цену за свои акции, они должны совершить сделку, избегая при этом оповещения рынка. Если они могут предсказать, в какое время дня/недели объем торгов является самым высоким, они могут существенно изменить свою прибыль. Аналогичная логика применима и к покупке большого количества акций.

В заключение можно сказать, что существует множество приложений для ML в инвестиционной сфере, и любой специалист по данным, желающий освоить эти методы, безусловно, будет в лучшем положении, чтобы воспользоваться спросом на Уолл-стрит. Если вы сможете придумать уникальный и творческий способ извлечения новых данных из нашего подключенного мира, вы даже сможете начать свой собственный бизнес. Варианты бесконечны, а будущее светло. Иди и побеждай!