Le Big Data n'est pas nouveau à Wall Street. Le monde de la finance fonctionne sur données, donc chaque opportunité d'obtenir plus et obtenir plus rapidement a été adoptée par le marché boursier depuis les premières lignes télégraphiques ont été exécutées. Cependant, la variété ou les sources et les types de données disponibles pour les investisseurs et les commerçants sont devenus un torrent où un esprit humain ne peut tout simplement pas absorber et traiter tout cela. En raison de cette limitation physique, une nouvelle industrie d'analyse prédictive s'est développée pour donner un sens au big data et donner aux investisseurs des recommandations d'achat et de vente en temps réel basées sur les modèles qui se forment dans les données. Dans cet article, nous examinerons l'analyse prédictive et ce qu'elle signifie pour les investisseurs.

Variété, vélocité et volume

Les trois Vs (variété, vélocité et volume) sont souvent utilisés pour décrire et définir les grandes données. Vous avez besoin des trois pour faire une analyse significative. La variété fait référence aux canaux de données qui sont exploités. Cela peut être tout, depuis les mentions sur les réseaux sociaux jusqu'aux bulletins météo et aux données de transaction en masse. Le volume est la quantité de données qui arrive et, comme tous les Vs, plus c'est mieux. Le volume et la variété des données permettent de vérifier ou d'éliminer les valeurs aberrantes et d'obtenir des données plus précises dans l'ensemble. La vélocité est simplement la vitesse à laquelle les données circulent. Pour que l'analyse prédictive soit utile en termes de conduite de transactions rentables, les données doivent être rapidement disponibles pour l'analyse, ce qui signifie un flux constant d'informations de dernière minute. (Pour plus de détails, consultez: Comment les données volumineuses ont changé Finances .)

Modélisation des données

Toutes ces grandes données sont introduites dans différents algorithmes pour filtrer et peser la signification des modèles qui apparaissent. Les algorithmes se combinent pour créer un modèle qui fournit des prédictions sur les mouvements de marché à court terme et une action recommandée basée sur la prédiction. Bien sûr, il n'y a aucune raison de le limiter à un seul modèle, de sorte que plusieurs modèles ayant des objectifs différents - le mouvement d'un indice par rapport à un titre particulier par exemple - peuvent être exécutés sur le même flux de données volumineuses. Cela nécessite beaucoup de puissance de traitement et encore plus de stockage car les modèles sont créés et testés sur des mégadonnées historiques, de sorte que les données ne peuvent pas être jetées. (Pour en savoir plus sur la modélisation financière, consultez: Modèles financiers que vous pouvez créer avec Excel .)

La vitesse de l'information

La principale différence entre l'analyse prédictive et, par exemple, un gestionnaire de fonds humain est la vitesse à laquelle les décisions peuvent être prises. Imaginez que votre fonds investisse dans un restaurant en chaîne. Un gestionnaire de fonds surveillera l'investissement au moins une fois par trimestre, en vérifiant les marges bénéficiaires, le rendement du capital investi, les ventes des magasins comparables et d'autres indicateurs clés de performance divulgués par la société à ses investisseurs.Si le gestionnaire voit une tendance, par exemple des ventes à magasins comparables et une érosion des marges bénéficiaires par rapport au trimestre précédent, elle peut décider de vendre le stock. Si le contraire est vrai, elle peut décider d'acheter plus.

Maintenant armer ce même gestionnaire de fonds avec un modèle prédictif tirant des données de partout. Au lieu d'attendre les rapports trimestriels, elle peut voir des modèles se rapprochant des changements dans les ventes à magasins comparables basés sur les messages des médias sociaux par les clients croisés avec les données de transaction et les données GPS des utilisateurs opt-in smartphone pour tous les emplacements. Un logiciel analytique l'aide à extraire les données et recommande une action, lui permettant de décharger ou d'ajouter à la position bien avant que la modification des ventes n'apparaisse dans un document officiel. En d'autres termes, il n'y a plus de délai pour voir les résultats de l'entreprise, de sorte que les décisions d'investissement peuvent être prises à partir d'informations actualisées qui correspondent approximativement à la situation réelle de l'entreprise. (Pour en savoir plus, voir: Exploration de données pour les investisseurs .)

Supprimez complètement le gestionnaire de l'équation et laissez le modèle traiter directement, puis nous avons une idée de l'évolution de l'analyse prédictive.

Limitations

Il y a encore quelques limites à ce que l'on peut faire avec les big data en ce qui concerne l'analyse prédictive. Afin de nourrir les modèles prédictifs, les données variées doivent souvent être converties en une forme utilisable. Les publications sur les réseaux sociaux, par exemple, peuvent être converties en signaux de sentiment en analysant les mots comme négatifs ou positifs dans le contexte de l'entreprise ou de l'industrie analysée. Ces sentiments peuvent ensuite être mesurés et analysés plus avant pour fournir une contribution au modèle.

Il existe d'autres types de données qui peuvent être directement utilisées dans le modèle, mais la variété qui donne au modèle plus de pouvoirs prédictifs signifie également que des données doivent être classées et analysées avant de pouvoir être utilisées. Ce retard, même minime, ralentit l'analyse du flux de données, de sorte que nous ne sommes pas vraiment au point où le modèle fonctionne en temps réel. Cependant, étant donné que l'analyse des tendances est utilisée pour prédire les mouvements futurs, ce n'est pas un obstacle important et c'est celui qui sera surmonté rapidement, car plus d'esprits et plus de ressources afflueront vers les entreprises offrant ces services.

Plus important encore, la durée de vie d'un modèle particulier est limitée lorsque d'autres découvrent et commencent à échanger sur les mêmes sources de données et modèles. Il existe une certaine marge d'exclusivité pour certaines sources de données, mais les spécialistes des données peuvent généralement trouver d'autres facteurs pour justifier des données exclusives ou des corrélations reflétant des mouvements dans les données manquantes. Tenir le cap en analyse prédictive nécessite donc que le cerveau puisse gérer les données non structurées et ajuster et tester de nouveaux algorithmes, ainsi que la puissance de traitement et le stockage du côté informatique. En raison de ces limitations et de ces coûts, les analyses prédictives pour la négociation d'actions sont généralement commercialisées auprès de fonds, en particulier de fonds spéculatifs, plutôt que d'investisseurs au détail.(Pour plus d'informations, consultez: Didacticiel Hedge Funds d'Investopedia.)

The Bottom Line

La valeur principale de l'analyse prédictive est actuellement un outil à utiliser en interne pour optimiser les processus comme la vente croisée, la conformité, le marketing et ainsi de suite. Cela dit, l'analyse prédictive peut être utilisée du point de vue de l'investissement même sans un accès complet aux données internes d'une entreprise. La technologie va s'améliorer et la vitesse à laquelle les décisions commerciales peuvent être prises deviendra plus rapide à mesure que les données et l'exactitude des prédictions augmenteront. L'analyse prédictive sera une aide pour les traders avec des délais à court terme. Il permettra également le commerce automatisé en utilisant des modèles prédictifs, bien que beaucoup sur le marché se souviennent encore des problèmes très réels qui peuvent être attribués au commerce informatique.

L'analyse prédictive bénéficiera-t-elle aux investisseurs réguliers? C'est une question plus importante. Dans quelle mesure les données à court terme sont-elles trop importantes? Certains des investisseurs les plus performants ont profité en ignorant la situation à court terme en échange d'une performance à long terme. Seront-ils encore capables d'ignorer le court terme lorsque les métriques des rapports trimestriels sont mises à jour quotidiennement avec un déluge de mesures de sentiment qui étaient auparavant impossibles à saisir?

Il est facile de dire qu'en investissant, comme en conversation, trop d'information peut être une mauvaise chose, mais cela peut être juste un cas de maintien dans le monde auquel nous sommes habitués. Le temps nous dira si l'analyse prédictive est une source précieuse d'informations ou une autre source de bruit sur le marché à court terme.