वॉल स्ट्रीट के लिए बड़ा डेटा नया नहीं है वित्तीय दुनिया के आंकड़ों पर चलती है, इसलिए जितना अधिक अवसर प्राप्त करने और इसे तेजी से प्राप्त करने का अवसर शेयर बाजार द्वारा गले लगाया गया है, क्योंकि पहले टेलीग्राफ लाइनें चल रही थीं। हालांकि, निवेशकों और व्यापारियों के लिए उपलब्ध विभिन्न प्रकार या स्रोतों और प्रकार के आंकड़े एक धार के लिए बड़े हो गए हैं जहां एक मानव मन बस इसे सभी को अवशोषित और संसाधित नहीं कर सकता है। इस भौतिक सीमा के कारण, भविष्य के विश्लेषण का एक नया उद्योग विकसित किया गया है जो बड़े डेटा की भावना बनाने और निवेशकों को वास्तविक समय के लिए तैयार किए जाने और सिफारिशों को बेचने के लिए तैयार किया जाता है, जो पारंपरिक बाजार के संकेतों के विकास से पहले डेटा में बने पैटर्न पर आधारित होते हैं। इस अनुच्छेद में, हम पूर्वानुमानित विश्लेषिकी को देखेंगे और निवेशकों के लिए इसका क्या मतलब है।

विविधता, वेग और माप

तीन प्रकार के विविधता, वेग और मात्रा-अक्सर बड़े डेटा का वर्णन और परिभाषित करने के लिए उपयोग किया जाता है। आपको तीनों को किसी भी अर्थपूर्ण विश्लेषण की आवश्यकता है। विभिन्न प्रकार के डेटा के चैनल को संदर्भित किया जाता है जो टैप किए जा रहे हैं। सोशल मीडिया से यह सब कुछ हो सकता है जो मौसम की रिपोर्ट और थोक लेनदेन डेटा का उल्लेख करता है। वॉल्यूम में डेटा की मात्रा होती है, और सभी वीएस की तरह, और भी बेहतर है मात्रा और डेटा की विविधता आउटलाइयर को सत्यापित या समाप्त करने की अनुमति देती है और समग्र रूप से अधिक सटीक डेटा तक पहुंचती है। वेग केवल दर है जिस पर डेटा प्रवाह होता है। लाभदायक व्यापार ड्राइविंग के मामले में भविष्यवाणी विश्लेषिकी के लिए मूल्यवान होने के लिए, डेटा को विश्लेषण के लिए जल्दी से उपलब्ध होना चाहिए, जिसका मतलब है कि अप-टू-मिनिट की जानकारी का निरंतर प्रवाह। (आगे पढ़ने के लिए, चेक करें: बिग डेटा ने वित्त कैसे बदला है ।)

डेटा मॉडलिंग करना

इस सभी बड़े डेटा को अलग-अलग एल्गोरिदमों में फ़िल्टर किया जाता है और उन पैटर्नों के महत्व का वजन होता है जो उभरते हैं। एल्गोरिदम एक मॉडल बनाने के लिए गठबंधन करता है जो अल्पावधि के बाजार चाल पर पूर्वानुमान देता है और भविष्यवाणी पर आधारित एक अनुशंसित कार्रवाई है। बेशक, इसे एक मॉडल तक सीमित करने का कोई कारण नहीं है, इसलिए अलग-अलग मॉडलों के साथ कई मॉडलों-उदाहरण के लिए किसी विशेष स्टॉक की तुलना में एक इंडेक्स, बड़े डेटा के समान प्रवाह पर चलाया जा सकता है। इसके लिए बहुत अधिक प्रोसेसिंग पावर और यहां तक ​​कि अधिक भंडारण की आवश्यकता होती है क्योंकि मॉडल का निर्माण और ऐतिहासिक बड़े डेटा पर परीक्षण किया जाता है, इसलिए डेटा को दूर नहीं किया जा सकता। (वित्तीय मॉडलिंग के बारे में अधिक जानकारी के लिए, देखें: वित्तीय मॉडल जो आप Excel के साथ बना सकते हैं ।)

सूचना की गति

पूर्वानुमान वाली विश्लेषिकी के बीच मुख्य अंतर और, उदाहरण के लिए, एक मानव निधि प्रबंधक एक गति है जिस पर निर्णय किया जा सकता है। कल्पना कीजिए कि आपके फंड का एक चेन रेस्तरां में निवेश है एक फंड मैनेजर कम से कम एक त्रैमासिक आधार पर निवेश देख रहा है, मुनाफा मार्जिन की जांच, निवेशित पूंजी पर वापसी, उसी स्टोर की बिक्री और अन्य महत्वपूर्ण निष्पादन संकेतक, जो कंपनी द्वारा अपने निवेशकों को दिखाए जाते हैं।यदि प्रबंधक एक प्रवृत्ति देखता है, तो उसी स्टोर की बिक्री में फिसलते हुए और अंतिम तिमाही की तुलना में लाभ मार्जिन में गिरावट का कहना है, वह स्टॉक बेचने का फैसला कर सकती है। अगर विपरीत सच है, वह और अधिक खरीदने का फैसला कर सकते हैं।

अब इस एक ही निधि प्रबंधक को एक अनुमानित मॉडल के साथ हाथों में खींचें। त्रैमासिक रिपोर्ट की प्रतीक्षा करने के बजाय, वह सभी स्थानों के लिए स्मार्टफोन प्रयोक्ताओं के ऑप्ट-इन में लेन-देन डेटा और जीपीएस डेटा के संदर्भ में ग्राहक के क्रॉस द्वारा सोशल मीडिया पोस्ट्स के आधार पर उसी स्टोर की बिक्री में होने वाले बदलावों का अनुमान लगाए गए मॉडल देख सकते हैं। विश्लेषणात्मक सॉफ्टवेयर उसे डेटा खनन करने में सहायता करता है और एक कार्यवाही की सिफारिश करता है, जिससे उसे आधिकारिक दस्तावेज में बिक्री में बदलाव करने से पहले स्थिति को अनलोड या जोड़ना पड़ सकता है। दूसरे शब्दों में, कंपनी के परिणामों को देखने में अब कोई समय नहीं रह जाता है, इसलिए निवेश के फैसले पर-से-द-मिनट की जानकारी पर किया जा सकता है जो कंपनी की वास्तविक स्थिति का अनुमान लगाता है। (अधिक जानकारी के लिए, निवेशकों के लिए डेटा खनन ।)

अब प्रबंधक को समीकरण से पूरी तरह से ले लें और मॉडल के व्यापार को सीधे दें, और फिर हमें यह पता चल गया है कि कहां अनुमान वाली विश्लेषिकी जा रही है।

सीमाएं

जहां तक ​​पूर्वानुमानित विश्लेषिकी जा रही है, तब तक बड़ी संख्या में क्या किया जा सकता है, इसमें कुछ सीमाएँ हैं भविष्यवाणियों के मॉडल को खिलाने के लिए, विविध डेटा को अक्सर एक प्रयोग योग्य रूप में परिवर्तित करने की आवश्यकता होती है। सोशल मीडिया पोस्ट, उदाहरण के लिए, कंपनी या उद्योग के संदर्भ में शब्दों के नकारात्मक या सकारात्मक शब्दों का विश्लेषण करके भावना संकेतों में परिवर्तित किया जा सकता है। इन भावनाओं को तब मॉडल में इनपुट प्रदान करने के लिए मापा और विश्लेषण किया जा सकता है।

अन्य प्रकार के डेटा हैं जो सीधे मॉडल में भोजन कर सकते हैं, लेकिन विविधता जो कि मॉडल को अधिक भविष्य कहने वाली शक्तियां देता है, इसका मतलब है कि इसका इस्तेमाल करने से पहले डेटा को वर्गीकृत और विश्लेषण किया जाना चाहिए। यह अंतराल, हालांकि छोटी, डेटा स्ट्रीम के विश्लेषण को धीमा कर देती है, इसलिए हम उस समय काफी नहीं हैं जहां मॉडल वास्तविक समय में चल रहा है। हालांकि, भविष्य के आन्दोलन की भविष्यवाणी करने के लिए इस्तेमाल किए जाने वाले प्रवृत्ति विश्लेषण की वजह से, यह एक महत्वपूर्ण बाधा नहीं है और यह वह है जो बहुत जल्द खत्म हो जाएगा क्योंकि इन सेवाओं की पेशकश करने वाली कंपनियों के दिमाग और अधिक संसाधन प्रवाह।

इससे भी महत्वपूर्ण बात, किसी विशेष मॉडल का सफल जीवनकाल सीमित है क्योंकि दूसरों को उसी डेटा स्रोतों और पैटर्नों पर व्यापार करना शुरू करना और शुरू करना है। कुछ डेटा स्रोतों की विशिष्टता के लिए कुछ जगह उपलब्ध है, लेकिन डेटा वैज्ञानिक आमतौर पर मालिकाना डेटा या सहसंबंधों के लिए खड़े होने के लिए अन्य कारक ढूंढ सकते हैं जो लापता डेटा में आंदोलनों को प्रतिबिंबित करते हैं। इसलिए पूर्वानुमानित विश्लेषिकी में आगे रखने के लिए मस्तिष्क की शक्ति को असंरचित डेटा से निपटने और नए एल्गोरिदम के परीक्षण के साथ-साथ आईटी पक्ष पर प्रोसेसिंग पावर और स्टोरेज की आवश्यकता होती है। इन सीमाओं और लागतों के कारण स्टॉक ट्रेडिंग के लिए पूर्वानुमानित विश्लेषिकी आमतौर पर निवेशकों को रिटायर करने के बजाय फंडों, विशेष रूप से हेज फंडों के लिए विपणन किया जाता है।(अधिक जानकारी के लिए, देखें: इन्व्हेस्टॉपियाज के हेज फंड ट्यूटोरियल ।)

नीचे की रेखा

भविष्यवाणी विश्लेषिकी का प्राथमिक मूल्य अभी एक उपकरण के रूप में है, जो किसी कंपनी को आंतरिक प्रक्रियाओं का अनुकूलन करने के लिए उपयोग करता है जैसे क्रॉस-विक्रय, अनुपालन, मार्केटिंग आदि। उसने कहा, भविष्य की विश्लेषिकी का उपयोग किसी निवेश के दृष्टिकोण से किया जा सकता है, यहां तक ​​कि कंपनी के आंतरिक डेटा तक पूर्ण पहुंच के बिना। तकनीक में सुधार होगा और गति जिस पर व्यापारिक फैसले किए जा सकते हैं, आंकड़ों और भविष्यवाणियों की सटीकता बढ़ाने के कारण तेज़ी से प्राप्त होने जा रहे हैं। पूर्वानुमानी विश्लेषकों को अल्पकालिक टर्मफ्रेम वाले व्यापारियों के लिए सहायता मिलेगी। यह पूर्वानुमानित मॉडल का उपयोग करके स्वचालित व्यापार की अनुमति भी देगा, हालांकि बाजार में कई लोग अभी भी बहुत ही वास्तविक समस्याएं याद करते हैं जो कंप्यूटर व्यापार में वापस आ सकता है।

भविष्यवाणियां विश्लेषकों को नियमित निवेशकों को लाभ होगा या नहीं, यह एक बड़ा सवाल है। अल्पावधि के डेटा पर कितना फोकस बहुत अधिक है? लंबी अवधि के प्रदर्शन के बदले में सबसे सफल निवेशकों में से कुछ को अल्पावधि तस्वीरों की अनदेखी करके लाभ हुआ है। क्या वे अभी भी अल्पावधि की अनदेखी कर पाएंगे, जब त्रैमासिक रिपोर्टों की मीट्रिक दैनिक आधार पर अपडेट होती है, साथ ही भावना मीट्रिक के बाढ़ के साथ जो पहले से कब्जा करना असंभव था?

यह कहना आसान है कि निवेश में, बातचीत के रूप में, बहुत अधिक जानकारी एक बुरी चीज हो सकती है, लेकिन यह हमारे लिए उपयोग किए जाने वाले संसार में शामिल होने का मामला हो सकता है समय बताएगा कि भविष्यवाणी विश्लेषिकी अंतर्दृष्टि का एक महत्वपूर्ण स्रोत या अल्पकालिक बाजार शोर के किसी अन्य स्रोत का है या नहीं।