投資銀行如何利用大資料預測行情

傳統的華爾街選股者試圖關注影響其投資的一些關鍵因素，諸如債券收益率、日元匯率，又或是石油價格和月度消費支出資料。

但一些新型的對沖基金公司認為，通過收集全球盡可能多的資料——從沃爾瑪停車場占位情況的衛星圖像到煉油廠釋放出的熱量信号，并且快速的投注以利用隐藏在這些資料集之間的關系，他們能夠打敗這些傳統基金經理。

該方法展現了近來的一種投資轉變，更多的依靠大資料和算法在競争對手間赢得比較優勢。首爾一家名為jumpgate科技的公司宣稱，他們正試圖消除人為參與，放手讓機器學習技術自由探索和利用世界日益增長的資料寶庫。

那麼對沖基金的人類創始人又将是何種角色呢？設計一個好的系統，讓它可以利用大量的資料點，并收集更多的資料流供給該項目。jumpgate，誠然規模不大，卻已跻身于所謂的金融科技公司行列，他們試圖将矽谷的科技創新融合進深谙金融市場的華爾街。

jumpgate公司的董事長兼首席執行官kristof olesch自述其自13歲起就開始程式設計，16歲便開始在證券市場投資。目前該公司已經招募了一些工程類的博士畢業生。

一家更具規模的公司，總部設在紐約的二西格瑪投資有限責任公司（twosigma investments llc），榮獲本周《華爾街日報》頭版的主角，編譯了一款程式，讓機器擷取收益報告、天氣預告和twitter上的海量資訊。

為了配置設定其價值240億美元的管理資産，two sigma公司的政策是在進行一項交易前，基于這些資料産生不同的投資模型，然後用一種算法讓模型之間彼此對抗，最終擇優選取出最佳投資政策。

這些投資者們說，這是第一次，全球的計算機能夠存儲和學習從世界各地收集到的資訊，這些資訊來源涵蓋超級計算機、智能手機，以及嵌入日常家居用品的小型處理器。

大部分的資料點可能幫不上股票投資者什麼忙。有時，一個神秘的資料點隻是一個神秘的資料點而已。

但是olesch先生确信它遠不止表面看來那麼簡單。傳統的投資者隻能籍由與公司管理層的會議、細緻閱讀财務報表和管道檢查來獲得資訊。而他則希望通過利用電腦的力量，能獲得大規模的資訊化優勢。

olesch先生指出：“柯達的終結是由于技術革新，而現在資産管理者的工作方式也面臨同樣的境況。” 他現在已有大約3000個資料流，他希望很快能夠增加到約10000個資料流。

舉個例子：商店停車場的商業衛星圖像不但可以提供諸如商場交通等資訊，也可以透露包括駕駛習慣、天氣類型及其它衆多人類基金經理無法預測的名額。

同樣的，觀察一個煉油廠的熱信号能夠推導出該廠裝置是否滿負荷運轉。

“現在人們僅僅處理使用了全球1%的資料，” olesch先生說道：“我們希望得到這些資料，而不是等着别人告訴我們資料處理已飽和。”

正因如此，現在很多公司專注于olesch先生所說的“技術偵察”——想方設法接入各種資料流，無論來自開放資料還是通過與那些可能坐擁大量潛在價值資料的公司或機構合作而獲得的資料。

到目前為止，jumpgate這家在首爾成立，卻在新加坡注冊的公司，認為該戰略行之有效。盡管和two sigma這樣的大公司相比，它的基金規模還很小，但是olesch先生表示其基金在頭三個月中均業績良好，即使在其基準——标普500指數都不景氣的情況下，它仍保持每個月都是正收益。

來源：

http://blogs.wsj.com/korearealtime/2015/04/03/seoul-based-investors-turn-to-big-data-in-search-of-big-returns/?keywords=big%20data

【譯者簡介】

有意聯系譯者，請給“大資料文摘”背景留言，附自我介紹及微信id，謝謝！

吳滌，大學畢業于上海外國語大學法語系，碩士畢業于法國巴黎二大( universitépanthéon-assas)，主修統計與金融工程專業。目前旅居巴黎，就職于法國第二大銀行集團，擔任決策分析工程師，對于金融領域的資料挖掘、決策模組化與商業分析有紮實的理論基礎與豐富的實踐經驗。對于大資料的發展，尤其在金融領域的應用有濃厚的興趣。

2014年底正式加入大資料文摘海外翻譯志願者行列，希望在新的一年帶領大家近距離觀察法國，乃至歐洲在大資料時代的動向。衷心祝願文摘成為讀者最喜愛的大資料知識資訊分享平台。

原文釋出時間為：2015-04-29

本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号