2020年投资：探索AI、机器学习和替代数据

人工智能(AI)、基于网络的通信以及公司和个人每天能够访问的内容数量的激增，这些最新的发展已经将世界置于我们的脚下;这个世界已经被赋予了知识和信息的天赋，同时也面临着梳理它们的挑战。

因此，投资者和投资的任务是获取摆在他们面前的海量数据，并从中获取有用的工具，否则就会面临落后的风险。

​面向私人市场投资者的数据平台Mercatus的首席执行官Haresh Patel对Finance Magnates表示：“对金融公司来说，传统思维正在变成一项高风险业务。”

Patel解释说:“软件行业已经形成，公司已经购买了部门解决方案来满足特定的需求，但是这造成了数据筒仓的迷宫，反过来又造成了数据灾难。”

的确，信息和技术的超载与获得的信息和技术太少一样有害;因此，少即是多：取得更大成功的关键是准确行动。

但投资者如何才能有效利用手中的新工具和新技术来避免“数据灾难”呢?

将“数据、工作流和财务模型连接到单个集成系统”Patel认为，“我们所看到的最重要的趋势是，公司开始偏离这种传统思维，转而将重点放在创建跨部门、系统和外部来源集中和利用数据的数据体系结构上。”

这在实际层面上是什么样子的呢?

帕特尔说,从中心的角度看“作为一个公司解决的主要难点投资金融市场发展最快的部分,这是私人市场,我们看到一些最大的品牌使用软件天生更灵活,使他们分散到新的资产类别,区域,和意外的新业务框架。”

私人市场数据平台Mercatus的首席执行官Haresh patelceo

​

这些平台“利用和集中内部和外部的数据输入——从资产运营商、能源定价系统、会计系统等等——以促进融资、投资和资产管理团队之间的实时报告和协作。”

换句话说，“这些早期的采用者能够将数据、工作流和财务模型连接到一个单独的集成系统中，从而快速地为数据驱动的决策、见解和报告提供支持。通过高级分析和自定义仪表板，他们能够快速洞察关键趋势和kpi，如性能、风险、预测和内部收益率，一直到资产级别。”

人工智能正变得越来越流行，但人工智能并不是有效投资策略的灵丹妙药

这些工具和平台的发明，部分得益于人工智能(AI)技术的进步。人工智能解决方案可以使投资公司做出更明智的决定。这包括高精度数据分析：投资模式、预测分析和客户参与，”基于人工智能的身份验证服务提供商Shufti Pro的首席执行官Victor Fredung解释道。

个人理财博客Money Crashers的理财专家David Bakke表示：“利用机器学习算法，可以优化投资数据，提高投资组合管理和运营效率。它能带来更好的报告，更高的准确性，而且一旦决策得到改善，就会有更好的机会接触客户。”

  ​

个人理财博客Money Crashers的理财专家David Bakke​

然而，不管人工智能是否强大，并不是所有的算法都是平等创建的——“大多数算法倾向于收集‘所有’数据，而不是只收集需要的数据，”个人理财博客Money Crashers的财务专家David Bakke解释道。

Bakke认为，因此，“这几乎是一个‘全有或全无’的命题。如果你要自己做这件事，将会花费大量的时间和精力，而且你必须对你要搜索的东西非常具体。如果你打算依赖(比如说)一个机器人投资网站，就会出现一些根本无法解释的异常现象。”

“所以，从某种意义上说，虽然这似乎是一个比完全不使用数据更好的策略，但这是一种冒险。人工智能领域很可能会在安全和透明度方面得到改善，以使数据更有相关性。”

然而，Bakke相信人工智能的发展最终会导致改进算法和改进数据收集系统的发展。

Bakke说：“人工智能领域很可能会在安全和透明度方面得到改善，以使数据更有相关性。”他对金融巨头们表示:“除此之外，随着这一细分市场的不断改善和扩大，你应该会看到，在收集更多智能数据和消除不必要数据方面的进步。”

同时，然而，Haresh Patel指出，突然急剧上升在使用人工智能数据可以为一些大变化规定建立在其用法:“考虑到全球迅速过渡到数字,AI会影响几乎所有方面的数据,从收集的方式的方式共享和分析,”他说。“2020年将会有一些重大的变化。”

例如,“新具有里程碑意义的立法,以保护隐私和数据生效在佛蒙特州和加州1月1日开始,2020年,美国要求数据经纪人从公共记录收集个人信息和私人来源披露其公司名称和实践一个消费者可以自由访问注册表。”

基于人工智能的身份验证服务提供商Shufti Pro的首席执行官Victor Fredung

他补充说：“我预计类似的措施将在其他州生效，但现在下结论还为时过早。”因此，考虑个人数据以告知投资者的算法可能会受到这些法规的影响。

替代数据的曙光

但是，人工智能的发展也使得能够创建新型的“替代数据”，这些数据可以创造性地用于向投资者告知相关趋势。尽管替代数据已经存在了一段时间，但该领域的知名度仍在不断增长–但是，与AI一样，获得替代数据并不是好的投资策略的最终目标。必须明智地使用它。

究竟什么是替代数据？替代数据公司Indexica的首席执行官Zak Selbert去年年底在接受Finance Magnates采访时解释说，他的公司创建了一系列衡量全球新闻内容的指标，以确定市场情绪。

例如，Indexica的“惊奇”指标“着眼于公司周围的事件，因此，例如，如果发生诸如“ Netflix报告的订户水平低于预期”之类的事件，那将是一个惊喜；或“波音取消737的生产”。”

Indexica的另一个指标是“未来性”，它是“读取语言并分析[语言的时态]是将来还是过去的…还提取时间和日期。”

Indexica联合创始人兼首席执行官Zak Selbert。

例如，“因此，”如果新闻报道中提到“亚马逊将在明年发布无人驾驶飞机机队”，该公司将把这一说法量化为“未来”。解释，因为使用了“下一年”。

“而如果我们读到一篇文章说'波音公司将其波音737飞机停飞'，我们会将其定为'去年'。”

“所以，想象一下，从我们阅读的所有文本中将这种类型的词汇乘以数百万个句子，然后将其映射到公开交易的证券，”以及某些加密货币资产（例如比特币）。

“这就是该指标的作用-有趣的是，如果您查看它，然后查看市场表现，则在将来公司谈论的频率和程度之间往往存在非常密切的关系，[时态]然后是他们的股票表现。”

换句话说，在将来时态中提及公司的次数越多，“它往往表现得越好”。

筛选数据集时，投资者应搜索“正交”数据

但是，就好像替代数据源本身似乎很聪明一样，如果替代数据没有得到有效利用，它几乎是无用的。 Haresh Patel说：“获得良好数据就像拥有可以帮助您做出明智决定的行业优势一样。” “这些独特的见解使您可以了解行业趋势，这些趋势可能对许多投资者来说都是显而易见的，但需要对其进行明智的解释才能为您的投资组合增加价值。”

Haresh Patel说：“ [替代数据]可能会或可能不会帮助那些只寻找特定趋势而非粗略汇总数据的基金经理。”

本质上，“关键是根据地理位置，市场和角色来对数据进行分类并建立配置文件。与大数据相比，替代数据可以帮助定制客户体验并优化运营。”

但是，如何确定替代数据的有效性呢？扎克· 塞尔伯特（ Zak Selbert）在最近与Finance Magnates的一次电话会议中解释说，例如，定量基金（利用高级定量分析功能选择证券的基金）通常想知道“数据集是否只是孤岛，具有某种预测价值-答案是“是”或“否”。”

塞尔伯特继续解释说，量化基金通常问数据集的第二个问题是“它是否增加了价值”，换句话说，“传统市场因素很容易获得；因此，如果剔除传统市场因素的影响，数据集仍然有价值吗？”

在这一点上，“那些突出的人”是“正交的”，换句话说，“它们与传统的市场因素没有关系，”他解释道。

CBD Capital Group首席执行官David Metzler。

Selbert说：“这就是开始为买方的客户查看的许多数据集减少价值的原因。”

投资者还需要考虑到他们可以访问的“其他类型的市场数据，包括替代数据”，并且随着替代数据领域的不断发展，投资者拥有比以往更多的选择。

“垃圾进，垃圾出”：不同的数据与不同的行业相关

同样重要的是要记住，并非每个数据或信息都适合于每个部门的工作或投资。

例如，房地产数据分析公司Mashvisor的市场总监Daniela Andreevska表示，在她的行业中，“在房地产投资决策方面，使用大数据，预测分析和AI的重要性正在不断提高。 ”

“投资者不仅希望基于租赁物业的过去表现（传统分析），而且希望基于未来的预期表现（预测分析）来做出投资决策。当然，未来的预期表现很大程度上取决于过去的表现趋势以及整个房地产和住房市场的趋势。”

房地产数据分析公司Mashvisor的市场总监Daniela Andreevska。

CBD Capital Group的首席执行官David Metzler是一家致力于收购美国中小型大麻二酚（CBD）公司的风险投资集团，他分享说他的公司“获得了4000万+电子商务数据点的许可，从而创建了一个队列来比较我们的预期收购反对。”

他补充说：“ […]我们[还]使用了由Rand Corporation所有主要健康保险公司使用的MOS医疗保健研究。” “这为我们提供了独特的能力，可以使用这些数据来收购产品在统计上对客户有效的公司，从而可以代表客户回购率和忠诚度（如果产品在客户的眼中起作用，他们将再次购买） 。”

对于加密货币行业，David Bakke建议：“您要查看的数据是用户发布的损益（我可能会补充说，这是一个挑战，要找到它）；”买卖（更容易发现）和收益。”

综上所述，使用任何一种加密货币投资组合工具中的任何一种，您的状况都会更好，”他补充说。

最终，尽管Haresh Patel说过：“好的决策只取决于手头的数据，就像古老的谚语所说的那样：垃圾进，垃圾出。 “

“由于当今可用的数据量巨大，它需要在全公司范围内对数据摄取，清理和质量控制进行持续的承诺，并对哪些数据在促进明智，快速的投资决策方面最关键的问题有深入的了解。”