월 스트리트에는 빅 데이터가 새롭지 않다. 금융 세계는 데이터를 바탕으로 실행되기 때문에 더 많은 것을 얻고 더 빨리 얻을 수있는 모든 기회는 최초의 전신선이 운영 된 이후 주식 시장에 의해 받아 들여졌습니다. 그러나 투자자와 거래자가 사용할 수있는 데이터의 다양성이나 출처 및 유형은 인간 마음이 단순히 흡수하고 처리 할 수없는 토런트로 성장했습니다. 이러한 물리적 한계로 인해 예측 분석의 새로운 산업은 큰 데이터를 이해하고 투자자가 전통적인 시장 신호가 발생하기 오래 전에 데이터에서 형성되는 패턴을 기반으로 권장 및 구매 권장 사항을 제공하도록 개발되었습니다. 이 기사에서는 예측 분석과 투자자에게 미치는 의미에 대해 살펴 보겠습니다.

다양성, 속도 및 볼륨

세 가지 Vs, 속도 및 볼륨은 대용량 데이터를 설명하고 정의하는 데 자주 사용됩니다. 의미있는 분석을하기 위해서는 세 가지 모두가 필요합니다. 다양성은 탭되는 데이터 채널을 나타냅니다. 소셜 미디어에서 일기 예보 및 대량 거래 데이터에 이르기까지 모든 것이 될 수 있습니다. 볼륨은 들어오는 데이터의 양이며, 모든 V와 마찬가지로 더 많은 것이 좋습니다. 데이터의 양과 다양성은 이상 치를 검증하거나 제거하여 전반적으로보다 정확한 데이터를 유도합니다. 속도는 단순히 데이터가 유입되는 비율입니다. 예측 분석이 수익성있는 거래를 유도하는 데 가치가있는 경우 분석을 위해 데이터를 신속하게 사용할 수 있어야합니다. 즉, 최신 정보가 지속적으로 제공되어야합니다. (더 자세한 내용은

얼마나 큰 데이터가 금융을 변화 시켰는가 를 확인하십시오.) ->

데이터 모델링

이 모든 빅 데이터는 다른 알고리즘으로 입력되어 나타나는 패턴의 중요성을 필터링하고 가중치를 부여합니다. 알고리즘은 결합하여 단기 시장 이동에 대한 예측과 예측에 기반한 권장 조치를 제공하는 모델을 생성합니다. 물론 하나의 모델로 제한 할 이유가 없기 때문에 동일한 포커스를 가진 여러 모델 (예 : 인덱스와 특정 주식의 이동)을 동일한 큰 데이터 스트림에서 실행할 수 있습니다. 이 모델은 과거의 큰 데이터로 생성되고 테스트되므로 데이터를 버릴 수 없으므로 많은 처리 성능과 더 많은 스토리지가 필요합니다. 재무 모델링에 대한 자세한 내용은

Excel로 작성할 수있는 재무 모델 을 참조하십시오. 정보의 속도

예측 분석과 예를 들어 인적 펀드 매니저 간의 핵심 차이점은 의사 결정이 가능한 속도입니다. 귀하의 펀드가 체인 레스토랑에 투자했다고 가정 해보십시오. 펀드 매니저는 최소한 분기별로 펀드 매니저의 투자 수익률, 투자 자본 수익율, 매장 판매량 및 기타 주요 성과 지표를 확인하여 투자자에게 알립니다.관리자가 지난 분기와 비교하여 같은 매장 판매 및 이익 마진 하락을 추세로 보인다고하면 추측 할 수 있습니다. 그 반대가 사실이라면, 그녀는 더 많은 것을 사기로 결정할 수 있습니다.

이제이 동일한 펀드 매니저를 예측 모델을 통해 팔아서 모든 데이터를 가져옵니다. 분기 별 보고서를 기다리는 대신 거래 데이터를 참조한 고객의 십자가로 소셜 미디어 게시물을 기반으로 한 동일 매장 판매의 변화를 대략적으로 보여주는 모델과 모든 위치에서 옵트 인 스마트 폰 사용자의 GPS 데이터를 볼 수 있습니다. 분석 소프트웨어는 데이터를 마이닝하는 데 도움을 주며 영업 변경을 공식 문서에 표시하기 오래 전에 포지션에서 언로드하거나 추가 할 수있는 조치를 권장합니다. 즉, 더 이상 회사의 결과를 보는 데 시간 지연이 없으므로 회사의 실제 상황을 대략적으로 보여주는 최신 정보에 투자 결정을 내릴 수 있습니다. (자세한 내용은

투자자를위한 데이터 마이닝

참조) 이제 매니저를 공식에서 완전히 빼고 모델을 직접 교환하게하고 예측 분석이 어디로 가고 있는지 아이디어를 얻습니다. 제한 사항

예측 분석만큼 큰 데이터로 수행 할 수있는 것에는 여전히 몇 가지 제한 사항이 있습니다. 예측 모델을 공급하기 위해 다양한 데이터를 종종 유용한 형식으로 변환해야합니다. 예를 들어, 소셜 미디어 게시물은 분석 대상 회사 또는 업계의 맥락에서 음수 또는 양수로 단어를 분석하여 정서 신호로 변환 할 수 있습니다. 그런 다음 이러한 감정을 측정하고 분석하여 모델에 입력을 제공 할 수 있습니다. 모델에 직접 공급할 수있는 다른 유형의 데이터가 있지만 모델에 더 많은 예측 능력을 부여하는 다양성은 또한 데이터를 사용하기 전에 분류하고 분석해야한다는 것을 의미합니다. 그러나 이러한 지연은 데이터 스트림의 분석 속도를 저하 시키므로 실제 실시간으로 모델이 실행되는 시점이 아닙니다. 그러나 추세 분석은 미래의 움직임을 예측하는 데 사용되기 때문에 중요한 장애물은 아니며 이러한 서비스를 제공하는 회사로 더 많은 마음과 리소스가 유입되면서 곧 극복 될 것입니다. 더 중요한 것은, 특정 모델의 성공적인 수명은 다른 사람들이 동일한 데이터 소스와 패턴을 발견하고 거래하기 시작함에 따라 제한적이라는 것입니다. 일부 데이터 소스에 대한 독점력을위한 여지가 있지만 데이터 과학자는 누락 된 데이터의 움직임을 반영하는 독점적 인 데이터 또는 상관 관계에 대해 다른 요소를 찾을 수 있습니다. 따라서 예측 분석을 계속 유지하려면 비 체계적인 데이터를 처리하고 새로운 알고리즘을 조정하고 테스트 할 수있는 두뇌 능력과 IT 부서의 프로세싱 성능 및 스토리지가 필요합니다. 이러한 제한과 비용 때문에 주식 거래를위한 예측 분석은 보통 투자자보다는 펀드, 특히 헤지 펀드에 판매됩니다. 결론>

현재 예측 분석의 주요 가치는 기업이 내부적으로 프로세스를 최적화하기위한 도구로서 사용됩니다 (자세한 내용은 Investopedia의

헤지 펀드 자습서

참조). 교차 판매, 규정 준수, 마케팅 등과 같은 즉, 예측 분석은 회사의 내부 데이터에 대한 완전한 액세스 없이도 투자의 관점에서 사용될 수 있습니다. 기술이 향상되고 거래 결정을 내릴 수있는 속도는 예측의 데이터와 정확성이 높아질수록 더 빨라질 것입니다. 예측 분석은 단기간의 거래가있는 거래자에게 도움이 될 것입니다. 또한 시장의 많은 사람들이 여전히 컴퓨터 거래로 거슬러 올라갈 수있는 실제 문제를 기억하고 있지만 예측 모델을 사용하여 자동 거래를 허용합니다.

예측 분석이 일반 투자자에게 도움이되는지 여부가 더 큰 문제입니다. 단기 데이터에 중점을 둔 부분이 너무 많습니까? 가장 성공적인 투자자 중 일부는 장기 성과에 대한 대가로 단기 사진을 무시함으로써 이익을 얻었습니다. 이전에 수집 할 수 없었던 정서적 지표의 대홍수와 함께 분기 별 보고서의 메트릭이 매일 업데이트 될 때도 단기간을 여전히 무시할 수 있습니까? 대화 에서처럼 투자 할 때 너무 많은 정보가 나쁜 것일 수 있다고 말하는 것은 쉽습니다. 그러나 이것은 우리가 익숙한 세상을 간직한 것일 수 있습니다. 시간은 예측 분석이 통찰력의 중요한 원천인지 아니면 단기 시장 잡음의 또 다른 출처인지 여부를 알려줍니다.