La importancia de Big Data en finanzas

Transcripción

1 La importancia de Big Data en finanzas Jornada sobre Tecnologías de la computación en el Sector Financiero Emilio Parrado Hernández (emilio. Global Strategies and Data Science

2 Outline La importancia de Big Data y Data Science en Finanzas vista por un académico a través de unas gafas que se encontró en una mesa de trading

3 Contenido Presentación Qué es Data Science y Big Data? Aplicaciones de Big Data en Finanzas Caso de uso: Global Strategies and Data

4 Data Science Contestar preguntas utilizando datos Hay que saber formular las preguntas e interpretar las respuestas Evolución: Estadística: inferencia matemáticas complejas, muy pocos datos Machine learning: inferencia con equilibrio entre modelos más sencillos y megas de datos Big data: podemos ver todos los datos?

5 Big Data Sistema de ficheros distribuido, conjunto de nodos de cálculo Paradigma Map/Reduce Mapper: hacer una pregunta a cada fichero Reducer: combinar las salidas de los mappers en una respuesta global Ejemplo: qué serie vemos hoy en la tele? Estadística: modelo población miles de sujetos, EGM Machine learning: Filtrado colaborativo Big data: imdb, twitter, blogs, facebook, etc. De millones de usuarios.

6 Herramientas Big Data Infraestructura distribuida: Hadoop file system, conjunto de nodos de cálculo: master and workers Plataformas que implementan el paradigma Map/Reduce Hadoop: basado en mover ficheros en disco Spark: emplea la memoria de los nodos de cómputo Otras herramientas Interfaz SQL a HDFS: HIVE, Impala Lanzador de tareas y workflows: Oozie Machine Learning: Mahout, Mlib Entorno de desarrollo con capacidades Data Science: java, python, R, scala, julia,...

7 Big Data en finanzas Estimación de IBM: el 90% de datos existentes en el mundo se han creado en los últimos 2 años al ritmo de ^18 bytes diarios La mayoría de empresas en EE.UU. tienen almacenados al menos 100 terabytes NYSE captura 1 terabyte diario Impacto en finanzas Robo-advisors Algorithmic trading Empleo de datos para crear nuevos modos de ejecutar tareas tradicionales

8 Robo-advisors Orientados a pequeño inversor, low cost Gestionan porfolios de manera on-line sin supervisión de gestores humanos Perfiles en función de la agresividad, aversión al riesgo de cada inversor Rol de big data Descubrimiento y refinado de perfiles de inversor Planificación de inversiones Aprendizaje de estrategias de planificación tipo filtrado colaborativo

9 Algorithmic Trading Algorithmic trading: aprendizaje, planificación dinámica, inferencia, toma de decisiones Systematic trading: sistemas expertos que codifican reglas aprendidas de traders humanos High-frequency trading: Posiciones muy pequeñas que se mantienen muy poco tiempo (segundos/milisegundos) Ultra high-frequency trading: menos de milisegundos. Colocation de servidores, estrategias de ultrabaja latencia Rol de big data Calibrado de estrategias Descubrimiento de indicadores Plataforma de systematic trading pero sin latencia

10 Optimización de procesos Backtesting de estrategias, algoritmos, etc Organización y unificación de todas las fuente internas de datos de cada institución en un único repositorio accesible desde las plataformas de big data Explotación de datos de operativa de clientes junto con datos de mercado Análisis globales de riesgo de operaciones, teniendo en cuenta multitud de variables exógenas al proceso bajo estudio Mayor transparencia para clientes y reguladores. Best execution policies Oportunidad para introducir creatividad y perspectivas diferentes. Mini-revolución del big data

11 Global Strategies and Data Science Unidad creada en agosto de 2014, operativa desde enero de 2015 Cometido: Optimizar procesos de negocio dentro de Global Markets empleando big data y data science Sentido cross-asset (equity, fixed income, fx), sinergias, colaboraciones Especialmente: desarrollo y optimización de estrategias de trading Calibrado de parámetros Diseño de indicadores Backtesting Participación destacada en la digitalización de Global Markets y CIB Tenemos una vacante abierta

12 Resumen Industrialización de Big Data y Data Science debido a madurez en los desarrollos tecnológicos y presencia en mercado de perfiles profesionales adecuados Impacto en finanzas En las maneras de hacer trading (algorithmic trading) Nueva cultura Caso de uso: GSDS@BBVA

13 Nombre de la presentación / Fecha