Mengelola data pasar yang mudah menguap secara proaktif dengan aturan tiga

Volume data telah melonjak di belakang volatilitas pasar yang meningkat, dan banyak sistem di kantor depan dan belakang telah berjuang untuk mengimbangi. KX mengeksplorasi bagaimana lembaga keuangan dapat mengoptimalkan manajemen data dan platform analitik untuk mengatasi lanskap investasi yang terus berubah

Pada 2019 keluhan umum di antara Fx Pedagang adalah: ‘Di mana semua volatilitas pasar hilang?’

Seolah-olah menjawab menggerutu ini, pandemi Covid-19 muncul, mengganggu rantai pasokan dan memaksa banyak bank sentral untuk mendayung kembali pada pengetatan moneter. Volatilitas kembali dengan pembalasan dan, sejauh ini, tidak menunjukkan tanda -tanda mereda.

Ini adalah kabar baik bagi banyak orang Fx Pedagang, yang mampu mendapat untung di belakang ayunan mata uang liar ini. Itu adalah berita yang kurang disambut baik bagi para peserta pasar lainnya, seperti korporasi, yang terpaksa memeriksa kembali lindung nilai mata uang mereka untuk memastikan mereka dilindungi secara memadai.

Di tengah kekacauan pasar ini, banyak dealer telah bekerja dengan baik dari peningkatan permintaan klien untuk mendapat untung atau melindungi dari pergerakan pasar yang kejam. Misalnya, menurut data dari Greenwich Associates, Global Pool Revenue on KITA Perdagangan Opsi Dolar melonjak lebih dari 50% antara 2019 dan 2020 di belakang volatilitas pasar (naik dari $ 3,4 miliar menjadi $ 5,3 miliar). Pendapatan pada tahun 2021 ($ 4,6 miliar) masih pada level tinggi.

Namun, saat pengembalian volatilitas ke Fx Pasar mungkin menjadi berita yang disambut bagi sebagian orang, itu juga berarti sensitivitas terhadap risiko jauh lebih tinggi.

Konsekuensi dari menempatkan Fx Perdagangan pada saat yang salah bisa lebih parah dalam kondisi pasar yang mudah menguap. Selain itu, dealer harus lebih berhati -hati atas strategi lindung nilai mereka. Ini disorot awal tahun ini ketika Sharp bergerak di Yen Jepang melawan KITA Dolar meninggalkan beberapa Fx Opsi Dealer merawat luka mereka dan berebut untuk menghambat kembali.

Hasilnya adalah bahwa menjadi semakin penting bagi dealer untuk memastikan informasi yang menjadi dasar keputusan perdagangan mereka seakurat dan setenang mungkin.

“Pedagang semakin memperhatikan fakta bahwa, bagi mereka untuk menjadi kompetitif, mereka harus tetap responsif terhadap perubahan dinamika pasar,” kata Harry Darrell -Brown, manajer produk solusi keuangan di KXyang menyediakan teknologi basis data deret waktu untuk lembaga keuangan di seluruh dunia. “Jika mereka tidak memahami teknologi dan tidak bergerak seiring waktu, mereka dapat dengan cepat diganti.”

KXPlatform data, KDB+, memungkinkan perusahaan untuk menyimpan, menganalisis, memproses, dan mengambil set data yang besar dengan kecepatan. Ini telah terbukti sangat populer di kalangan pedagang frekuensi tinggi, tetapi juga telah digunakan di aplikasi data lain yang peka waktu, seperti pasar energi, telekomunikasi, peralatan pemantauan yang digunakan di lokasi manufaktur dan bahkan balap Formula Satu.

Aturan tiga

Pengumpulan data dan analisis data telah lama berada dalam bidang departemen back-office teknis, tetapi ini telah menghasilkan pemahaman yang tidak efisien tentang informasi yang ditangkap.

Steve Wilcockson, Manajer Pemasaran Produk di KXmengatakan bahwa mengelola data pasar yang mudah menguap secara proaktif adalah semua tentang apa yang ia sebut sebagai aturan tiga.

“Ini tentang memiliki analitik yang tepat untuk kelompok yang tepat pada waktu yang tepat,” katanya.

Ini juga tentang dapat secara efektif menyesuaikan data perlu memenuhi persyaratan pengguna yang berbeda.

“Anda memiliki quant, yang merancang sistem; insinyur data, yang membangunnya; dan para pedagang, yang menggunakannya. Masing -masing memiliki minat dalam analisis data, tetapi semua dari perspektif yang sedikit berbeda. Platform harus dapat mengurus masing -masing minat divergensi ini, ”kata Alex Weinrich, Fx dan spesialis solusi crypto di KX.

Mengumpulkan data pada satu platform dan menyediakan antarmuka yang ramah pengguna untuk menjalankan analitik memungkinkan seluruh perusahaan untuk mendapatkan wawasan yang berharga tentang perdagangan harian yang dijalankan.

“Menangkap fluiditas antara ketiga peran yang berbeda ini adalah hal yang benar untuk dilakukan,” kata Wilcockson. “Setiap peserta dalam kelompok harus dapat bekerja sama untuk membangun, menganalisis, dan memahami siklus hidup perdagangan.”

Buy-in di seluruh perusahaan ini sangat penting untuk keberhasilan penyebaran mesin analisis data. “Semua orang di perusahaan – dari pedagang hingga manajemen senior – perlu mewujudkan keunggulan kompetitif yang diberikan teknologi ini kepada mereka,” kata Darrell -Brown. “Jika mereka tidak merangkul cara baru ini dalam melakukan sesuatu tetapi pesaing mereka melakukannya, maka mereka dengan cepat akan disusul dan kemungkinan akan diganti. Tidak ada yang ingin itu terjadi pada mereka. “

Optimalisasi Data

Memproses dan mengelola volume besar data tersebut lambat dan memakan waktu. Hal ini dapat menyebabkan peningkatan biaya, berkurangnya kelincahan dan, pada akhirnya, harga tidak kompetitif. Sementara setiap set data dapat memiliki wawasan penting-di mana keputusan perdagangan dapat dibuat-kekuatan nyata dibuka begitu data ini dibawa di bawah satu atap.

Sayangnya, di banyak organisasi, data masih ada dalam berbagai format yang berbeda di beberapa lokasi. Ini biasanya merupakan warisan dari cara data ditangkap di tempat pertama.

Beberapa perusahaan telah berusaha untuk mengatasi masalah set data yang tersebar dengan mencicipi data atau memproduksi perhitungan yang di-cache, sebelum melakukan analitik pada data. Tapi ini jauh dari optimal dan merusak kemampuan perusahaan untuk memiliki data real-time di ujung jari mereka.

Analisis perlu dilakukan pada titik di mana data duduk, kata Weinrich.

“Dalam banyak kasus, perusahaan memindahkan data ke lokasi yang berbeda sebelum mereka melakukan analitik di atasnya – yang membawa latensi ke dalam gambar,” katanya.

Menggabungkan data historis dengan mulus dengan data real-time juga dapat menghasilkan wawasan yang lebih berharga.

“Semua bank besar dan lembaga keuangan menggunakan pembelajaran mesin prediktif akhir -akhir ini. Ini berarti menggabungkan perilaku klien historis ke dalam algoritma data, dan menyesuaikan model berdasarkan pada bagaimana serangkaian klien atau penyedia likuiditas tertentu cenderung berperilaku mengikuti kejutan pasar, ”kata Weinrich.

Menggabungkan set data yang berbeda dengan cara ini memungkinkan perusahaan untuk menggunakan kode yang sama selama pengembangan seperti yang akan digunakan ketika sistem sedang berjalan dan berjalan.

“Jika kode yang dieksekusi dalam produksi atau data berbeda dari dunia nyata, lalu bagaimana Anda tahu apa yang Anda uji valid? Jadi itu harus sama, ”kata Darrell -Brown.

Analisis pra dan pasca-perdagangan dengan respons real-time terhadap perubahan pasar sangat penting untuk keberhasilan integrasi platform data apa pun.

“Dengan Fx Pasar dalam keadaan fluks seperti itu, pedagang harus dapat melakukan lindung nilai portofolio mereka dan memastikan mereka mendapatkannya Fx Hedges benar, ”kata Wilcockson. “Untuk tujuan ini, mereka membutuhkan kemampuan untuk dengan cepat mengkalibrasi ulang model untuk memperhitungkan guncangan mendadak ke pasar.”

Ini berarti bisa menghasilkan wawasan real-time di akhir perdagangan-tidak hanya pada akhirnya. Analisis biaya transaksi, analisis likuiditas dan venue dan analitik eksekusi adalah kunci untuk ini.

“Ini bukan hanya tentang memiliki alat yang tepat – ini tentang bisa menggunakannya secara efektif,” kata Wilcockson.

Tanpa tanda-tanda volatilitas pasar segera menyerah, ini juga tentang dapat membuktikan data di masa depan.

“Penyimpanan cloud yang dioptimalkan, dikombinasikan dengan kemampuan kompresi yang luar biasa, dapat memberikan alternatif yang sangat hemat biaya untuk penyimpanan data di tempat,” kata Richard Kiel, kepala global Fx solusi di KX.

Bagian penting dari menggunakan cloud adalah konektivitas. Perusahaan tidak hanya harus dapat mengakses data secepat mungkin, mereka juga harus dapat melakukannya dengan cara yang nyaman.

“Orang-orang harus dapat dengan mudah memasukkan platform yang mendukung cloud ke dalam alur kerja mereka, menggunakan bahasa dan kemampuan yang sudah mereka kenal,” kata Wilcockson.

Alat-alat khas yang sudah digunakan oleh para ilmuwan dan insinyur data termasuk Python, Jupyter Notebook dan bahasa kueri terstruktur-dan platform yang mendukung cloud baru harus dapat berinteraksi dengan mulus dengan ini.

“Ini mendemokratisasi yang bisa langsung mendapatkan akses ke platform dan terus menggunakannya – bukan hanya hari ini atau besok tetapi tahun depan dan jauh lebih dari itu,” kata Wilcockson.

Di luar keuangan

Ketika KXPlatform yang mendukung cloud telah membuktikan tambahan yang tak ternilai bagi tim perdagangan banyak bank besar dan manajer dana, kemampuannya untuk secara efisien menangani jumlah data yang sangat besar berarti aplikasinya melampaui dunia keuangan.

“Wawasan mendalam yang perlu Anda miliki untuk perdagangan elektronik adalah wawasan yang sama yang Anda butuhkan untuk meningkatkan efisiensi dan mengotomatiskan proses di berbagai sektor industri,” kata Darrell -Brown. “Sekali lagi, ini turun untuk memiliki data yang lengkap, akurat dan tepat waktu, dari mana wawasan real-time dapat dengan mudah diekstraksi.”

Salah satu contoh platform yang paling menarik yang digunakan di luar keuangan adalah di dunia balap motor Formula Satu.

“Jika Anda berada dalam situasi balapan dan pesaing Anda datang untuk berhenti, Anda harus dapat menilai apakah Anda perlu menyesuaikan taktik Anda untuk mengkompensasi ini,” kata Wilcockson. “Data tepat waktu dengan algoritmika prediktif dapat memberikan wawasan ini.”

Kasus penggunaan teknologi lain yang berhasil adalah dalam pasokan dan pengiriman komoditas seperti gas alam, yang menggabungkan data tepat waktu dengan analitik prediktif untuk melihat tren pasokan dan permintaan saat ini.

“Intinya adalah bahwa platform analitik real-time kami tidak harus terbatas pada keuangan,” kata Weinrich. “Apakah untuk analisis perdagangan, kesehatan prediktif, pemeliharaan prediktif atau olahraga motorik prediktif, ‘kekuatan tiga’ masih berlaku: analitik yang tepat untuk kelompok yang tepat pada waktu yang tepat, disesuaikan dengan kombinasi pemodel, insinyur data, dan pengguna sistem yang menang itu . ”