Veri bilimi danışmanlarından oluşan bir ekip, bankaların ve satın alma taraflarının ticaret algoritmalarını daha iyi anlamalarına ve üretken yapay zekanın nihai olarak kullanıma sunulmasına hazırlanmalarına yardımcı olmak için Sidney'de bir analiz işi başlattı.

ExeQution Analytics'in kurucusu ve CEO'su Cat Turley, niceliksel modeller ve uygulama algoritmalarının geliştirilmesinde hayati bir bileşen haline gelmesine rağmen hisse senedi masalarının verileri anlamlandırma konusunda zorluk çekmeye devam ettiğini söylüyor.

Turley, "Kuruluşlar yüksek veri maliyetiyle ve ondan en fazla değeri elde etmede zorlukla karşı karşıyadır" dedi.

Satış tarafındaki banka masalarının tümü aynı tür verilere erişebilir ve hepsinde akıllı veri bilimcileri bulunur. Müşteri siparişlerini kazanmak için kendilerini farklılaştırma yarışındalar.

Bunu yapmanın bir yolu, algoritmalarına şeffaflık sunmaktır, ancak bu, birçok firmanın başarması zor olan bir düzeyde ilişkilendirme gerektirir.

"Satış tarafları, örneğin sadece 'VWAP'ı 3 bips yenmek' için programlamak yerine volatilite tahmin modelini algo çarkınıza entegre ederek farklılaşma baskısı altında" dedi. (VWAP volatilite ağırlıklı ortalama fiyat anlamına gelir; hisse senedi yatırımcılarının aşmaya çalıştığı çeşitli genel ölçütlerden biridir.)

Kutuyu açıklıyorum

Satın alma tarafları ise tam tersi bir zorlukla karşı karşıyadır: Sayısız banka yürütme algoritmasından nasıl anlam çıkarılacağı ve hangi komisyoncunun değer kattığının nasıl belirleneceği. Kurumsal yatırımcılar genellikle fon yöneticilerinin artık bir komisyoncunun algoritmasını görebilmesini isterler, bu nedenle alıcı taraf tüccarları bir bankanın 'kara kutu' çözümünü kabul edemezler. Paketi açabilmeleri gerekiyor.

Alış veya satış tarafında, bu yeteneklerin ticaret masasına, nicelerin işlerini nasıl yaptığına ve işlem maliyeti analizi gibi ticaret sonrası süreçlere entegre olması gerekir.

Makro koşullar değiştikçe, özellikle de faiz oranlarındaki artışların devam etmesiyle bu durum özellikle önem kazanıyor. İyi modeller yalnızca geçmiş verilere dayanmaz, aynı zamanda yatırımcıların hisse senedi fiyatlarının veya oynaklığın nereye doğru hareket edebileceğine dair bir fikir edinmelerine yardımcı olmak için bunları gerçek zamanlı olaylarla birleştirir.

Turley, bunun özellikle masaların satıcılarının birden fazla borsada ve ticaret mekanında nasıl çalıştığını anlamaları gereken Asya Pasifik'te zorlayıcı olduğunu söylüyor.

Makine öğreniminden…

Bankalar ve satın alma tarafları yıllardır makine öğrenimini algoritma geliştirme süreçlerine dahil ediyor. Amaç, piyasa hareketlerini tahmin eden niceliksel modeller geliştirmekti.

Makine öğrenimindeki bir model, bir veri kümesi üzerinde çalıştırılan bir öğrenme algoritmasının çıktısıdır. Ticaret masaları, modeli kendi algoritmalarını kullanarak eğitir ve eğer model iyi çalışıyor gibi görünüyorsa, yürütme algoritmalarının nasıl yazıldığı konusunda bilgi verir.

Tipik bir ticaret masası bir geri bildirim döngüsü yaratır: niceliksel bir bilim adamı, bir algo geliştiricisinin, tüccarın dağıttığı ticaret araçları oluşturmak için kullandığı bir model geliştirir, performansları TCA veya başka bir uygulama analizi biçimi aracılığıyla yürütülür ve sonuçlar arasında niceliksel gözenekler bulunur. modeli değiştirmeye çalışıyoruz.

Üretken AI'nın ticaret masalarında bir rol oynaması muhtemeldir, ancak kurumlar henüz güvenli bir şekilde kullanılmasını sağlamak için korkuluklar üzerinde çalışmamıştır.

…Geratif Yapay Zeka'ya mı?

Turley, "Ticaret işlemlerini otomatikleştirmek için kullanılmayacak ancak bilgiye erişim konusunda yardımcı olabilir" dedi. Yatırımcılar, bekleyen emirleri görüntülemek, likidite aramak, bir piyasadaki veya bir hisse senedi sepetindeki oynaklığı ölçmek için sürekli olarak klavyeye basıyor. Halihazırda gerçek zamanlı ve geçmiş veriler için veri akışları var, ancak bu bilgiyi hızlı ve sezgisel bir şekilde elde etmek ve görselleştirmek için dil öğrenme modellerini (ChatGPT gibi) kullanabilirler.

Turley, "Sektör bunu geliştirecek ancak göz ardı edilemeyecek güvenlik sorunları var" dedi. "Bunun nereye evrileceği konusunda teknoloji ortaklarıyla konuşuyoruz."

Bankalar ve satın alma tarafları GenAI'yi makine öğrenimi süreçlerine entegre etse de amaç, gelecekteki kararları iyileştirmek amacıyla performansa neyin katkıda bulunduğunu (veya eksikliğini) daha ayrıntılı olarak anlamak için geçmiş ve gerçek zamanlı verileri daha iyi entegre etmek olacaktır. – bankaların ve yatırımcıların çözebileceği tekrarlanabilir bir şekilde.

Bu, hem verilerin kendisi üzerinde temel bir işlemeyi hem de verilerin optimize edilmesi için pazarlardaki sistemleri bir araya getirme becerisini gerektirir; bu da ExeQution'un fikridir.

Turley, finansal hizmetlerde veri analitiği konusunda deneyimli bir kişidir. Veri satış geçmişinden yola çıkarak JP Morgan, CIMB, RBS ve Haitong Securities gibi firmalarda veri analitiği kurup yürütmeye devam etti. Kariyerinin tecrübesinden yararlanarak bu alanda kendi işini kurmaya karar verdi.

ExeQution, Haziran ayında Turley tarafından kendi finansmanıyla faaliyete geçti ve şu anda Sidney'de beş çalışanı ve Hong Kong'da bir sigorta görevlisi var.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.digfingroup.com/exeqution/