По мере того, как финансово-аналитическая индустрия всё больше уходит от полного управления людским персоналом и всё больше полагается на гибридные системы человек/машина, способные принимать решения в доли секунды, Bank of America ищет способы обойти конкурентов в этой гонке на целый круг.
Кэндис Браунинг, глава отдела глобальных исследований банка, собрала команду из шести человек, в состав которой включены четыре кандидата наук, для объединения их усилий с примерно 600 аналитиками Уолл-стрит. По сообщениям агентства Bloomberg, цель данной группы состоит в оптимизации количественного анализа – выявлении закономерностей в поступающих данных раньше, чем это сделает кто-либо другой.
Конечно же, для того, чтобы выявить эти закономерности, аналитикам придётся фильтровать огромные массивы данных, получаемых из нестандартных источников, при этом не попавших в поле зрения конкурентов, для того, чтобы оказывать действенную помощь в прогнозировании таких вещей как доходы авиакомпаний, уровень затрат на предметы роскоши и даже длительность бизнес-цикла. По всей видимости, клиенты Bank of America довольны таким подходом к аналитике – такие улучшенные количественные отчёты набирают примерно в три раза больше кликов, нежели другие публикации, которые банк предоставляет своим клиентам.
Браунинг разъяснил агентству Bloomberg квантаментальный подход Bank of America следующим образом: «Он раскрывает клиентам то, чего они ещё не знают. Будущее Уолл-стрит, будущее инвестирования будут сводиться к сбору и анализу данных, которые позволит вам иметь самую свежую и точную информацию. Когда вы сделаете это, вам всё равно нужен человеческий фактор».
Рост количественного анализа не должен стать большим сюрпризом, поскольку фактически, торговля всё больше движется в направлении алгоритмов и высокопериодичного электронного тренинга. Чем больше ускоряется процесс торгов, тем быстрее необходимо обрабатывать большие массивы данных, что может оказаться нелёгкой задачей. Говоря начистоту, можно утверждать, что роботы пишут исследовательские отчёты для того, чтобы их прочитали другие роботы. И, похоже, переход к написанию этих отчётов двоичным языком, это всего лишь вопрос времени.
Всё это появляется в результате того, что банки стараются идти в ногу со стремительным прогрессом в индустрии. В действительности же другие банки уже имеют фору — Evidence Lab от UBS Group просматривает миллиарды бит информации с целью анализа ценных бумаг, тогда как State Street предоставляет данные об инфляции, основанные на анализе цен более чем 5 миллионов товаров, проданных по всему миру. Возможно, ФРС могла бы применить некоторые из этих подходов для вычисления реального индекса потребительских цен.
Тем временем, Bank of America разработал новую технику проведения опросов сотен тысяч людей о таких вещах как айфоны и беспилотные автомобили. Исследователи данных провели работу по глубокому изучению информации с кредитных карт для того, чтобы помочь в измерении трат на обустройство жилья, и также перетряхнули более ста экономических переменных, начиная с 1959 года, для того, чтобы прийти к заключению о неизбежности рецессии в США. Некоторая часть информации передаётся клиентам банка, однако большая часть информации, собранной банком, не предназначена для продажи.
Дэйр Браун, глава клиентского сервиса глобальных исследований Bank of America, сказала Bloomberg: «Это гонка вооружений. Уже нет большой разницы между фундаментальным подходом старой школы и большими, тяжёлыми квантами».
Конечно, с помощью роботов скорость исследований нынче растёт скачками, вприпрыжку, и захват Уолл-стрит роботизированными портфельными менеджерами — это лишь вопрос времени. Ранее на этой неделе обсуждалось, как AllianceBernstein использует роботов для разработки предложений по сделкам с фиксированным доходом/облигациями.
Новый виртуальный помощник AllianceBernstein может предложить управляющим портфелями ценных бумаг с фиксированным доходом лучшие облигации для покупки, используя такие параметры, как цены, ликвидность и риск. Машина имеет многочисленные преимущества перед человеком – она может анализировать миллионы бит информации и намечать потенциальные сделки за считанные секунды. Плюс ко всему, ей не нужны перекуры и перерывы на обед.
Новый виртуальный помощник, под названием «Abbie 2.0», специализируется на обнаружении облигаций, которые остались незамеченными портфельными менеджерами — людьми. Он также способен помочь человеку найти его ошибки и связываться с аналогичными ботами, работающими на другие компании, для заключения сделок. Что самое важное – благодаря своим исключительным способностям он делает людей, очень дорогих людей, ненужными.