Data Vets משיקים את אנליטיקה עבור שולחנות מסחר

הועלה מחדש על ידי אפלטון

עוקב: 0

צוות של יועצי מדעי נתונים השיק עסק לניתוח נתונים בסידני כדי לעזור לבנקים ולצדדים לקנות להבין טוב יותר את אלגוריתמי המסחר שלהם - ולהתכונן להחדרה הסופית של בינה מלאכותית יוצרת לרצפה.

Cat Turley, מייסד ומנכ"ל ExeQution Analytics, אומר שדסקי מניות ממשיכים להיאבק בהבנת הנתונים, גם כשהם הפכו למרכיב החיוני לפיתוח מודלים כמותיים ואלגו ביצוע.

"ארגונים מתמודדים עם העלות הגבוהה של הנתונים ועם הקושי להפיק מהם את הערך הרב ביותר", אמר טורלי.

לשולחנות הבנק בצד המכירה יש לכולם גישה לאותו סוג של נתונים, ולכולם יש מדעני נתונים חכמים. הם במרוץ לבדל את עצמם כדי לזכות בהזמנות של לקוחות.

אחת הדרכים לעשות זאת היא להציע שקיפות לתוך האלגוריתמים שלהם, אבל זה דורש מידה של ייחוס שקשה לחברות רבות להשיג.

"צדדי המכירה נמצאים בלחץ להבדיל על ידי, למשל, שילוב של מודל תחזית תנודתיות בגלגל האלגו שלך, במקום פשוט לתכנת אותו כדי 'לנצח את VWAP ב-3 ביפ'", אמרה. (VWAP פירושו מחיר ממוצע משוקלל לתנודתיות; זהו אחד מכמה אמות מידה גנריות שסוחרי מניות שואפים לנצח.)

הסבר על התיבה

לצדדים של קנייה יש את האתגר ההפוך: איך להבין את אינספור אלגוי הביצוע של הבנקים, ולקבוע איזה ברוקר מוסיף ערך. משקיעים מוסדיים דורשים לעתים קרובות שלמנהלי הקרנות שלהם יהיו כעת נראות לתוך אלגו של ברוקר, כך שסוחרים בצד הקנייה לא יכולים לקבל את פתרון 'הקופסה השחורה' של הבנק. הם צריכים להיות מסוגלים לפרק את זה.

צד קנייה או מכירה, היכולות הללו צריכות להשתלב בדסק המסחר, כיצד הקוונטים עושים את עבודתם, ובתהליכים שלאחר הסחר כגון ניתוח עלויות עסקה.

זה הופך להיות חשוב במיוחד כאשר תנאי המאקרו משתנים, במיוחד עם המשך העלאות הריבית. מודלים טובים לא מסתמכים רק על נתונים היסטוריים, אלא משלבים אותם עם אירועים בזמן אמת כדי לעזור לסוחרים לקבל תצוגה לאן מחירי המניות או התנודתיות עלולים לנוע.

טורלי אומר שזה מאתגר במיוחד באסיה פסיפיק, שם שולחנות עבודה חייבים להבין כיצד הספקים שלהם פועלים על פני מספר בורסות ומקומות מסחר.

מלימוד מכונה...

הבנקים וצדדי הקנייה שילבו למידת מכונה בפיתוח האלגו שלהם במשך שנים. המטרה הייתה לפתח מודלים כמותיים המנבאים תנועות בשוק.

מודל בלמידת מכונה הוא הפלט של אלגוריתם למידה המופעל על מערך נתונים. שולחנות מסחר מאמנים את המודל באמצעות האלגו שלהם, ואם נראה שהמודל עובד טוב, אז הוא מודיע כיצד נכתבות אלגוס ביצוע.

דסק מסחר טיפוסי יוצר לולאת משוב: מדען כמותי מפתח מודל, שבו מפתח אלגו משתמש כדי ליצור כלי מסחר, שהסוחר פורס, הביצועים שלהם עוברים דרך TCA או צורה אחרת של ניתוח ביצוע, והנקבוביות הכמותיות דרך התוצאות מחפש להתאים את הדגם.

בינה מלאכותית גנרטיבית עשויה למלא תפקיד בשולחנות המסחר, למרות שמוסדות עדיין לא הצליחו לתקן את מעקות הבטיחות כדי להבטיח שימוש בטוח.

... ל- AI גנרטיבי?

"זה לא ישמש לאוטומציה של מסחר אבל זה יכול לעזור בגישה למידע", אמר טורלי. סוחרים כל הזמן דופקים במקלדת כדי למשוך הזמנות ממתינות, לחפש נזילות, למדוד תנודתיות בשוק או בסל מניות. יש להם כבר הזנות נתונים לנתונים בזמן אמת והיסטוריים, אבל הם יכולים להשתמש במודלים של לימוד שפה (כגון ChatGPT) כדי לקבל מידע זה במהירות ובאינטואיטיביות, כמו גם כדי לדמיין אותו.

"התעשייה תפתח את זה אבל יש בעיות אבטחה שאי אפשר להתעלם מהן", אמר טורלי. "אנחנו מדברים עם שותפים טכנולוגיים לאן זה יתפתח."

עם זאת, בנקים וצדדים קנייה משלבים את GenAI בתהליכי למידת המכונה שלהם, המטרה תהיה לשלב טוב יותר נתונים היסטוריים ונתונים בזמן אמת כדי להבין מה תורם לביצועים (או היעדרם), בפירוט רב יותר, על מנת לשפר החלטות עתידיות - באופן שחוזר על עצמו שהבנקים והמשקיעים יכולים לפענח.

זה דורש גם טיפול בסיסי בנתונים עצמם, כמו גם את היכולת לחבר מערכות בשווקים כדי שהנתונים יהיו אופטימליים, שזה ה-pitch של ExeQution.

טורלי הוא ותיק בניתוח נתונים בשירותים פיננסיים. מרקע של מכירת נתונים, היא המשיכה להקים ולהפעיל ניתוח נתונים בחברות כולל JP Morgan, CIMB, RBS ו- Haitong Securities. היא החליטה להשיק עסק משלה במרחב הזה, תוך מינוף הניסיון של הקריירה שלה.

ExeQution הושקה ביוני במימון עצמי של Turley, וכעת יש לה חמישה עובדים בסידני ואיש כיסוי בהונג קונג.