“量化基金正不遗余力购买数据”

简介:
本文来自AI新媒体量子位(QbitAI)

37f841b8b70d20632458793f92747b014a89ac50

Kumesh Aroomoogan在花旗银行学到了很多,他在那里的工作是紧盯突发新闻。

他还记得有一次,他因为要去洗手间而暂时没有盯新闻,所以错过了一条市场变动消息,导致一个交易员冲自己大喊大叫。

现在,他成了Accern的联合创始人兼CEO,这家公司可以通过自动化技术完成他以前的工作。

枯燥乏味的办公室工作逐渐被计算机取代,让员工可以从事更有意义的任务。

从某种意义上讲,就连那个曾经对Aroomoogan大喊大叫的交易员也已经被自动化技术取代:当今最热门的金融领域就是量化交易,可以使用人工智能筛选海量数据,从而看到人类无法注意的信号。量化基金正是Accern最大的客户。

现在,Aroomoogan再要去洗手间时,就不会再像以前那么焦虑,因为他不再为人类交易员提供突发新闻,而是用算法从3亿个网站、1.5亿个Twitter信息流,以及分析师简报和FactSet发给交易员的报告中扫描数据,并对其加以分析。

他们使用自然语言处理技术寻找公司名等关键词以及各种指标,以便判断某条新闻是否在媒体中大范围传播,帮助客户决定是否有必要采取行动。

“量化对冲基金会不遗余力地购买数据。”Aroomoogan说。

高盛等顶尖投行都在举行各种活动,为其客户引荐各种数据厂商,帮助其获取最新数据。投行也希望自己的量化基金能够掌控全局。

咨询公司Tabb Group估计,这个所谓的“另类数据(alternative data)”市场去年在美国的规模约为2亿美元,4年内有望翻番。除了公开网站外,对冲基金还在收集和挖掘信用卡交易、停车位的卫星图像和消费者点评等多样化的数据。

存储下来的电子数据正在呈现几何式增长,但关键在于如何让算法对其加以利用,并以此构建可以盈利的交易策略。

正因如此,那些专门提取信息的公司才得以脱颖而出,为投资者提供可供参考的数据。另类数据平台Quandl CEO Tammer Kamel表示,企业不知不觉地积累了大量可以创造利润的数据,吸引了华尔街的极大兴趣。

a55ec32b72a99c5a11bcf24d637d1613b3a26969

传统银行和买入后持有不动的投资者也在使用另类数据。其中有一些只是营销噱头,他们增加“人工智能”或“大数据”的名头,希望能够吸引更多客户。但这些分析工具的确可以节约传统基金经理的时间,帮助其过滤大量的新闻和数据。

由于对冲基金近几年的业绩表现不佳,投资者越来越质疑他们收取的2%的管理费以及20%的业绩分成是否合理,所以这类公司也需要展开更好的宣传。

“股神”巴菲特曾经说过,如果以10年为周期,对冲基金无法跑赢标准普尔500指数——现在看来,他的胜算很大。

量化基金吸引的关注也令对冲基金颇感鼓舞。专门帮助富豪管理资产的家族理财室整体都在撤离对冲基金,但他们似乎加大了量化基金的投资力度。

可惜的是,通过这些策略赚钱似乎只能短期奏效。想要保持优势,就必须获得对手无法获取的独家数据,但这种优势很快就会丧失。

与此同时,为高性能计算机提供海量数据,并对其加以分析的做法,也逐渐成为各大对冲基金的常规模式。

据悉,彭博社和汤森路透等新闻和数据公司现在都在服务中包含了另类数据,还有75%的对冲基金使用社交媒体和社交新闻流来支持投资决策。由此看来,另类数据很快就会变得不再另类。

本文作者:李杉 
原文发布时间:2017-09-21 
相关文章
|
JavaScript
Vue 打包后打开为空白页面 并且控制台报错‘Failed to load resource: net::ERR_FILE_NOT_FOUND’
Vue 打包后打开为空白页面 并且控制台报错‘Failed to load resource: net::ERR_FILE_NOT_FOUND’
Vue 打包后打开为空白页面 并且控制台报错‘Failed to load resource: net::ERR_FILE_NOT_FOUND’
|
传感器 算法 Java
基于 pyflink 的算法工作流设计和改造
本文分享了硕橙科技大数据工程师程兴源在Flink Forward Asia 2024上的演讲内容,围绕工业互联网场景下的Flink应用展开。主要内容包括:为何选择Flink、算法工作流设计、性能优化实践、上下游链路协作思考及未来展望。团队通过Flink处理工业设备数据(如温度、振动等),实现故障预测与分析。文章详细探讨了性能优化路径(如批处理、并行度提升)、KeyBy均衡化、内存管理等技术细节,并介绍了数据补全方法和告警规则的设计。最后,对未来基于Flink的编码强化、CEP模式改进及工业数据归因目标进行了展望。
599 7
基于 pyflink 的算法工作流设计和改造
|
UED
交互好且转化率高的表单设计技巧分享
表单在网页设计、app或者软件界面当中被广泛的使用,因而表单设计是个比较重要的工作
622 3
|
域名解析 网络协议 安全
反向DNS解析是从IP地址到域名的映射,主要作用于验证和识别,提高通信来源的可信度和可追溯性
在网络世界中,反向DNS解析是从IP地址到域名的映射,主要作用于验证和识别,提高通信来源的可信度和可追溯性。它在邮件服务器验证、网络安全等领域至关重要,帮助识别恶意行为,增强网络安全性。尽管存在配置错误等挑战,但正确管理下,反向DNS解析能显著提升网络环境的安全性和可靠性。
959 3
|
缓存 安全 前端开发
Electron on macOS: 揭秘 MacUpdater 如何实现无缝自动更新?
本文首发于微信公众号“前端徐徐”,详细探讨了 Electron 应用在 macOS 平台上的更新原理。文章分析了 `MacUpdater` 类的实现,包括与 Electron 原生更新器的集成、更新检测和下载、代理服务器管理、环境适配、安全性保障、错误处理和日志记录、更新安装流程控制以及缓存管理等关键功能。通过这些技术细节,展示了如何在 macOS 上实现高效、安全的 Electron 应用更新。
763 0
Electron on macOS: 揭秘 MacUpdater 如何实现无缝自动更新?
|
存储 C语言 开发者
C标准库-time.h
`<time.h>` 是 C 语言标准库中的头文件,提供了处理日期和时间的功能。它定义了 `time_t`, `tm` 等类型及多种函数,如 `time()` 获取当前时间戳,`localtime()` 和 `gmtime()` 将时间戳转换为本地时间和 UTC 时间,`strftime()` 格式化时间,`mktime()` 将 `tm` 结构转换为时间戳,`nanosleep()` 暂停程序执行等。这些功能帮助开发者高效地进行时间相关的编程工作。
|
数据采集 分布式计算 Kubernetes
Apache Flink 实践问题之ZooKeeper 网络瞬断时如何解决
Apache Flink 实践问题之ZooKeeper 网络瞬断时如何解决
546 4
|
人工智能 测试技术 计算机视觉
7B最强长视频模型! LongVA视频理解超千帧,霸榜多个榜单
【8月更文挑战第1天】新模型LongVA实现7B级最强长视频理解!通过长上下文转移技术,LongVA能够处理超千帧视频,显著提升长视频理解精度。不同于传统模型依赖视觉重采样导致的信息损失,LongVA扩展语言主干上下文长度,无需额外视频训练即可理解大量视觉标记。在V-NIAH等基准上取得SOTA成绩,处理2000帧以上视频无额外复杂度增加。但实时应用及非视频任务仍面临挑战。[论文](https://arxiv.org/abs/2406.16852)
567 4
|
数据采集 人工智能 算法
视觉语言模型导论:这篇论文能成为你进军VLM的第一步
【6月更文挑战第20天】探索AI如何理解与生成图像和文本,VLM结合图像与文本映射,涉及图像描述、问答等任务。论文由多所名校和机构研究人员共创,介绍VLM历史、类型(对比学习、掩码、生成、预训练)及应用,如图像生成和问答。同时,讨论数据质量、计算资源和模型可解释性的挑战。[阅读更多](https://arxiv.org/pdf/2405.17247)
1027 2