Grand données dans l’investissement :
Données scientists définissent le grand données avec quatre V : volume, variété, véracité et vélocité(1).
Les termes souvent utilisés dans les cercles d’investissement sont données “alternatives ou données non structurées".
Les données alternatives font référence aux données provenant de sources qui ne sont pas actuellement utilisées ou qui ne sont pas encore courantes. Par rapport aux données structurées, qui sont des données numérisées et stockées dans des bybases de données relationnelles, les données non structurées font référence à des données qui sont souvent au format texte, image ou voix et qui ne sont pas facilement traitables. Les données alternatives et les données non structurées sont liées et pourtant pas tout à fait identiques. Les données alternatives sont souvent non structurées lorsqu’elles sont découvertes pour la première fois, et les données non structurées ne sont généralement pas utilisées par les investisseurs traditionnels, ce qui les rend alternatives.
Les exemples de données alternatives/données non structurées souvent utilisées dans le monde de l’investissement aujourd’hui incluent les images satellites, les enregistrements et les transcriptions des conférences téléphoniques sur les résultats, les publications sur les réseaux sociaux, les données des cartes de crédit et de débit des consommateurs et les transactions de commerce électronique.
Trouver la nouvelle source de données qui génère de l’alpha est devenu la prochaine course aux armements parmi certains analystes et gestionnaires d’investissement, un peu comme la façon dont les gestionnaires se sont traditionnellement affrontés pour trouver la pierre non retournée sur les marchés publics. D’une certaine manière, l’extraction de signaux à partir de données volumineuses n’est qu’une extension de ce que faisaient les analystes - visiter les magasins pour vérifier le trafic client, par exemple. Maintenant, certains d’entre eux utilisent des images satellites ou des informations de capteurs du parking pour déduire les mêmes informations. Les nouvelles techniques offrent des gains d’efficacité ; un analyste peut couvrir beaucoup plus de magasins en beaucoup moins de temps en utilisant l’imagerie satellite ou les données des capteurs.
Les données alternatives ont tendance à être de niche et sont plus populaires auprès des gestionnaires fondamentaux gérant des portefeuilles discrétionnaires qui utilisent ces données comme une entrée dans le processus de prise de décision d’investissement.
Types d’applications IA/Big Data dans les investissements :
• IA : NLP, vision par ordinateur et reconnaissance vocale.
Utilisé pour traiter du texte, des images et des données audio.
• IA : Apprentissage automatique. Utilisé pour améliorer l’efficacité des algorithmes utilisés dans les processus d’investissement.
• Big data : données alternatives et non structurées. Utilisé pour traiter des données alternatives et non structurées pour des informations sur les investissements.
