Data Vets Launch Analytics Startup For Trading Desks

Republicat de Platon

Urmaritori: 0

O echipă de consultanți în domeniul științei datelor a lansat o afacere de analiză în Sydney pentru a ajuta băncile și părțile de cumpărare să își dea mai bine o înțelegere a algoritmilor lor de tranzacționare – și să se pregătească pentru eventuala introducere a inteligenței artificiale generative pe teren.

Cat Turley, fondator și CEO al ExeQution Analytics, spune că birourile de acțiuni continuă să se lupte în a înțelege datele, chiar dacă acestea au devenit ingredientul vital pentru dezvoltarea modelelor cantitative și a algorilor de execuție.

„Organizațiile se confruntă cu costul ridicat al datelor și dificultăți în a obține cea mai mare valoare din acestea”, a spus Turley.

Toate birourile bancare din partea de vânzare au acces la același tip de date și toate au oameni de știință de date inteligenți. Sunt într-o cursă pentru a se diferenția pentru a câștiga comenzile clienților.

O modalitate de a face acest lucru este de a oferi transparență în algoritmii lor, dar acest lucru necesită un grad de atribuire care este dificil de realizat pentru multe firme.

„Părțile de vânzare sunt sub presiune pentru a se diferenția, de exemplu, integrând un model de prognoză a volatilității în roata algo, în loc să îl programați doar pentru a „învinge VWAP cu 3 bips”, a spus ea. (VWAP înseamnă preț mediu ponderat de volatilitate; este unul dintre câteva repere generice pe care comercianții de acțiuni se străduiesc să le învingă.)

Explicarea casetei

Părțile de cumpărare au provocarea inversă: cum să înțelegeți nenumărații de algoși de execuție bancar și să determinați ce broker adaugă valoare. Investitorii instituționali solicită adesea ca managerii lor de fond să aibă acum vizibilitate în algo-ul unui broker, astfel încât comercianții din partea de cumpărare nu pot accepta soluția „cutie neagră” a unei bănci. Trebuie să poată despacheta.

Pe partea de cumpărare sau vânzare, aceste capacități trebuie să se integreze în biroul de tranzacționare, în modul în care cantitații își fac treaba și în procesele post-tranzacționare, cum ar fi analiza costurilor de tranzacție.

Acest lucru devine deosebit de important pe măsură ce condițiile macroeconomice se schimbă, în special cu creșterile continue ale ratelor dobânzilor. Modelele bune nu se bazează doar pe date istorice, ci le combină cu evenimente în timp real pentru a-i ajuta pe comercianți să obțină o imagine despre unde s-ar putea muta prețurile acțiunilor sau volatilitatea.

Turley spune că acest lucru este o provocare mai ales în Asia Pacific, unde birourile trebuie să înțeleagă cum își desfășoară activitatea furnizorii în mai multe burse și locuri de tranzacționare.

Din învățarea automată...

Băncile și părțile de cumpărare au încorporat învățarea automată în dezvoltarea algo-urilor de ani de zile. Scopul a fost de a dezvolta modele cuantice care prezic mișcările pieței.

Un model în învățarea automată este rezultatul unui algoritm de învățare rulat pe un set de date. Birourile de tranzacționare antrenează modelul folosind algo-urile lor, iar dacă modelul pare să funcționeze bine, atunci informează cum sunt scrise algoguri de execuție.

Un birou obișnuit de tranzacționare creează o buclă de feedback: un om de știință cantitativ dezvoltă un model, pe care un dezvoltator algo îl folosește pentru a crea instrumente de tranzacționare, pe care comerciantul le implementează, performanța lor trece prin TCA sau altă formă de analiză a execuției, iar porii cuantifici prin rezultate caută să modifice modelul.

Este posibil ca IA generativă să joace un rol pe birourile de tranzacționare, deși instituțiile încă nu au stabilit balustradele pentru a se asigura că este folosită în siguranță.

…la IA generativă?

„Nu va fi folosit pentru automatizarea tranzacționării, dar poate ajuta cu accesul la informații”, a spus Turley. Comercianții bat în mod constant pe o tastatură pentru a ridica ordinele în așteptare, pentru a căuta lichiditate, pentru a măsura volatilitatea pe o piață sau pe un coș de acțiuni. Ei au deja fluxuri de date pentru date istorice și în timp real, dar ar putea folosi modele de învățare a limbilor străine (cum ar fi ChatGPT) pentru a obține aceste informații rapid și intuitiv, precum și pentru a le vizualiza.

„Industria va dezvolta acest lucru, dar există probleme de securitate care nu pot fi ignorate”, a spus Turley. „Discutăm cu parteneri tehnologici despre unde va evolua acest lucru.”

Oricum băncile și părțile de cumpărare integrează GenAI în procesele lor de învățare automată, obiectivul va fi să integreze mai bine datele istorice și în timp real pentru a înțelege ce contribuie la performanță (sau lipsa acestora), mai detaliat, pentru a îmbunătăți deciziile viitoare. – într-un mod repetabil pe care băncile și investitorii îl pot descifra.

Acest lucru necesită atât un control de bază asupra datelor în sine, cât și capacitatea de a îmbina sistemele de pe piețe, astfel încât datele să fie optimizate, ceea ce este argumentul ExeQution.

Turley este un veteran al analizei datelor în serviciile financiare. Din domeniul vânzării de date, ea a continuat să creeze și să ruleze analize de date la firme precum JP Morgan, CIMB, RBS și Haitong Securities. Ea a decis să-și lanseze propria afacere în acest spațiu, valorificând experiența în carieră.

ExeQution a fost lansat în iunie, autofinanțat de Turley, iar acum are cinci angajați în Sydney și o persoană de acoperire în Hong Kong.