डेटा पशु चिकित्सकों ने ट्रेडिंग डेस्क के लिए एनालिटिक्स स्टार्टअप लॉन्च किया

डेटा-साइंस सलाहकारों की एक टीम ने बैंकों और खरीद पक्षों को उनके ट्रेडिंग एल्गोरिदम को बेहतर ढंग से समझने में मदद करने के लिए सिडनी में एक एनालिटिक्स व्यवसाय शुरू किया है - और फर्श पर जेनेरिक आर्टिफिशियल इंटेलिजेंस के अंतिम परिचय के लिए तैयार किया है।

एक्सक्यूशन एनालिटिक्स के संस्थापक और सीईओ कैट टर्ली का कहना है कि इक्विटी डेस्क डेटा को समझने में संघर्ष कर रहे हैं, भले ही यह मात्रात्मक मॉडल और निष्पादन एल्गोस विकसित करने के लिए महत्वपूर्ण घटक बन गया है।

टर्ली ने कहा, "संगठनों को डेटा की उच्च लागत और इससे अधिकतम मूल्य प्राप्त करने में कठिनाई का सामना करना पड़ता है।"

सेल-साइड बैंक डेस्क के पास एक ही तरह के डेटा तक पहुंच है, और उन सभी के पास चतुर डेटा वैज्ञानिक हैं। वे ग्राहकों के ऑर्डर जीतने के लिए खुद को अलग दिखाने की होड़ में हैं।

ऐसा करने का एक तरीका उनके एल्गोरिदम में पारदर्शिता प्रदान करना है, लेकिन इसके लिए एक हद तक एट्रिब्यूशन की आवश्यकता होती है जिसे हासिल करना कई कंपनियों के लिए मुश्किल होता है।

उन्होंने कहा, "उदाहरण के लिए, बेचने वाले पक्षों पर अंतर करने का दबाव है, उदाहरण के लिए, आपके एल्गो व्हील में एक अस्थिरता पूर्वानुमान मॉडल को एकीकृत करना, बजाय इसके कि इसे केवल 'VWAP को 3 बीपीएस से हराएं' के लिए प्रोग्राम किया जाए।" (VWAP का अर्थ है अस्थिरता भारित औसत मूल्य; यह कई सामान्य बेंचमार्क में से एक है जिसे इक्विटी व्यापारी मात देने का प्रयास करते हैं।)

बॉक्स को समझाते हुए

खरीदने वाले पक्षों के सामने विपरीत चुनौती है: असंख्य बैंक निष्पादन एल्गोरिदम से कैसे अर्थ निकाला जाए, और यह निर्धारित किया जाए कि कौन सा ब्रोकर मूल्य जोड़ रहा है। संस्थागत निवेशकों को अक्सर अपने फंड मैनेजरों से ब्रोकर के अहंकार की जानकारी की आवश्यकता होती है, इसलिए बाय-साइड व्यापारी बैंक के 'ब्लैक बॉक्स' समाधान को स्वीकार नहीं कर सकते हैं। उन्हें इसे अनपैक करने में सक्षम होना होगा।

खरीदने या बेचने के पक्ष में, इन क्षमताओं को ट्रेडिंग डेस्क में एकीकृत करना होगा, क्वांट अपना काम कैसे करते हैं, और लेनदेन-लागत विश्लेषण जैसी व्यापार के बाद की प्रक्रियाओं में।

यह विशेष रूप से महत्वपूर्ण हो जाता है क्योंकि वृहद परिस्थितियाँ बदलती हैं, विशेषकर ब्याज दरों में निरंतर बढ़ोतरी के साथ। अच्छे मॉडल केवल ऐतिहासिक डेटा पर भरोसा नहीं करते हैं, बल्कि इसे वास्तविक समय की घटनाओं के साथ जोड़ते हैं ताकि व्यापारियों को यह देखने में मदद मिल सके कि स्टॉक की कीमतें या अस्थिरता कहां बढ़ सकती है।

टर्ली का कहना है कि यह एशिया प्रशांत में विशेष रूप से चुनौतीपूर्ण है, जहां डेस्क को यह समझना होगा कि उनके विक्रेता कई एक्सचेंजों और व्यापारिक स्थानों पर कैसे काम करते हैं।

मशीन लर्निंग से...

बैंकों और क्रय पक्षों ने वर्षों से अपने एल्गो विकास में मशीन लर्निंग को शामिल किया है। लक्ष्य ऐसे क्वांट मॉडल विकसित करना है जो बाजार की गतिविधियों की भविष्यवाणी करते हैं।

मशीन लर्निंग में एक मॉडल एक डेटासेट पर चलने वाले लर्निंग एल्गोरिदम का आउटपुट होता है। ट्रेडिंग डेस्क अपने एल्गोज़ का उपयोग करके मॉडल को प्रशिक्षित करते हैं, और यदि मॉडल अच्छा काम करता प्रतीत होता है, तो यह सूचित करता है कि निष्पादन एल्गोज़ कैसे लिखे गए हैं।

---

---

एक विशिष्ट ट्रेडिंग डेस्क एक फीडबैक लूप बनाता है: एक मात्रात्मक वैज्ञानिक एक मॉडल विकसित करता है, जिसे एक एल्गो डेवलपर ट्रेडिंग टूल बनाने के लिए उपयोग करता है, जिसे व्यापारी तैनात करता है, उनका प्रदर्शन टीसीए या निष्पादन विश्लेषण के किसी अन्य रूप के माध्यम से चलता है, और मात्रा परिणामों के माध्यम से छिद्रित होती है मॉडल में बदलाव करना चाह रहे हैं।

जेनरेटिव एआई के ट्रेडिंग डेस्क पर एक भूमिका निभाने की संभावना है, हालांकि संस्थानों ने अभी तक यह सुनिश्चित करने के लिए रेलिंग पर काम नहीं किया है कि इसका सुरक्षित रूप से उपयोग किया जाए।

...जनरेटिव एआई के लिए?

टर्ली ने कहा, "इसका उपयोग व्यापार को स्वचालित करने के लिए नहीं किया जाएगा लेकिन यह जानकारी तक पहुंच में मदद कर सकता है।" व्यापारी लंबित ऑर्डर निकालने, तरलता की खोज करने, बाजार में अस्थिरता को मापने या स्टॉक की टोकरी को मापने के लिए लगातार कीबोर्ड पर दस्तक दे रहे हैं। उनके पास वास्तविक समय और ऐतिहासिक डेटा के लिए पहले से ही डेटा फ़ीड हैं, लेकिन उस जानकारी को जल्दी और सहजता से प्राप्त करने के साथ-साथ उसकी कल्पना करने के लिए भाषा-शिक्षण मॉडल (जैसे चैटजीपीटी) का उपयोग कर सकते हैं।

टर्ली ने कहा, "उद्योग इसे विकसित करेगा लेकिन सुरक्षा संबंधी कुछ मुद्दे हैं जिन्हें नजरअंदाज नहीं किया जा सकता।" "हम प्रौद्योगिकी भागीदारों के साथ इस बारे में बात कर रहे हैं कि यह कहां तक ​​विकसित होगा।"

हालाँकि बैंक और बाय पक्ष GenAI को अपनी मशीन-लर्निंग प्रक्रियाओं में एकीकृत करते हैं, लक्ष्य ऐतिहासिक और वास्तविक समय के डेटा को बेहतर ढंग से एकीकृत करना होगा ताकि यह समझा जा सके कि प्रदर्शन (या इसकी कमी) में क्या योगदान दे रहा है, भविष्य के निर्णयों को बेहतर बनाने के लिए अधिक विस्तार से। - दोहराए जाने योग्य तरीके से जिसे बैंक और निवेशक समझ सकें।

इसके लिए डेटा पर बुनियादी नियंत्रण के साथ-साथ बाजारों में सिस्टम को एक साथ जोड़ने की क्षमता की आवश्यकता होती है ताकि डेटा को अनुकूलित किया जा सके, जो कि ExeQution की पिच है।

टर्ली वित्तीय सेवाओं में डेटा एनालिटिक्स के अनुभवी हैं। डेटा वेंडिंग पृष्ठभूमि से, उन्होंने जेपी मॉर्गन, सीआईएमबी, आरबीएस और हैटॉन्ग सिक्योरिटीज सहित कंपनियों में डेटा एनालिटिक्स की स्थापना और संचालन किया। उन्होंने अपने करियर के अनुभव का लाभ उठाते हुए इस क्षेत्र में अपना खुद का व्यवसाय शुरू करने का फैसला किया।

ExeQution को टर्ली द्वारा स्व-वित्त पोषित जून में लॉन्च किया गया था, और अब सिडनी में इसके पांच कर्मचारी और हांगकांग में एक कवरेज व्यक्ति है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://www.digfingroup.com/exeqution/