blog

RavenPack帮助对冲基金处理他们的大数据“囤积障碍”

<p>今天金融公司的默认设置是保持数据,例如来自Hoarders的东西</p><p>公司难以与内部数据分离,因为他们不知道什么是可以删除的</p><p>为了安全起见,特别是从合规的角度来看,他们只是保存了一切</p><p>考虑到更便宜的计算能力和存储的可用性,遵循这种策略的直接成本相当低</p><p>这意味着这些天内部数据快速积累</p><p>从Bloomberg,Slack,Symphony或Skype的即时消息到商业合同,诉讼或监管备案等法律文件;它可能是您拥有的内部分析师通讯,投资笔记,调查或报告 - 不要忘记电子邮件,您可能会在收件箱的泥潭中埋藏一些有价值的讨论</p><p>新闻周刊将于12月6日至7日在纽约举行的资本市场会议上主持AI和数据科学</p><p>图片:NewsweekMediaGroup大数据分析公司RavenPack帮助企业处理数据囤积问题</p><p> RavenPack专注于文本,将大型非结构化数据集转换为您称之为结构化或机器可读的内容</p><p>这可以创建可以在财务应用程序中轻松分析,操作和部署的数据,重点是alpha创建,风险管理或合规性等</p><p> RavenPack的客户包括一些世界上最复杂的定量对冲基金和资产管理公司</p><p> RavenPack的首席数据科学家Peter Hafez表示:“今天,一些数据驱动的对冲基金正在每年评估超过1000个新数据集</p><p>他们面临的主要挑战是找出真正深入挖掘和关注的数据集</p><p>他们寻找简单的方法来构建新内容,以确定哪些数据集在alpha生成方面最有希望</p><p>他们一直在寻找优化资源的方法,这将有助于他们消耗比以前更多的数据</p><p>“ RavenPack使用语义智能来构建内部内容,以构建信息</p><p> “为了帮助理解这一切,将本体作为流程的一部分应用是有用的</p><p>这可以帮助您更好地了解哪些信息是相关的,例如公司</p><p>公司或其子公司是公司的一部分行动,是人们谈论他们的产品,还是有关于其供应商,客户或竞争对手的消息</p><p>“哈菲兹解释道</p><p>但是,仅仅检测或理解实体之间的链接是不够的</p><p> “你还需要了解背景</p><p>” RavenPack使用精心设计的事件分类法,用于检测和分类数千个可操作的事件,包括从诉讼或产品召回到供应中断或内乱的任何事件</p><p> “语境是关键!理解事件的新颖性和相关性可以帮助你做出更强有力的回报预测</p><p>其他重要的特征包括事件的情感和时间性质,即信息是积极的还是消极的;是现在发生的事件,如反对在未来或过去</p><p>“一旦这些维度到位,内部保存的数据就更容易搜索,以便从中提取价值</p><p>可能是公司的内部数据与外部数据的说法不同,这可能会带来竞争优势</p><p> “现在,对冲基金和交易业务正在搜索一些模糊不清的独特数据集,并利用这一点,但很容易忽视你内部可能已有的有价值的信息”,Hafez指出</p><p> “我们有客户来到我们这里,自由裁量的交易员,他们有20或30家公司的投资组合</p><p>当他们进行分析时,他们认为可能存在一些他们缺少的信息并且它实际上就坐在收件箱中, “ 他说</p><p> “他们知道有很多潜在的有价值的内容,比如分析师的报告</p><p>他们只是没有时间去看所有内容</p><p>相反,他们转向RavenPack寻求帮助,了解他们在制作之前应该阅读哪些报告或电子邮件</p><p>一系列特定的交易</p><p>能够突出显示十个最重要的电子邮件,可以为交易创造一种逆向观点,

查看所有