วันอังคารที่ 7 พฤศจิกายน พ.ศ. 2560

Alternative Data

ช่วงสัปดาห์ที่ผ่านมา StockTwits จัดงาน Stocktoberfest 2017 ที่ San Diego มีหลายคลิปสัมนาที่น่าสนใจปล่อยออกมา ผมกำลังนั่งตามเก็บอยู่ หนึ่งในนั้นที่วันนี้มีโอกาสได้ฟังจบ คือหัวข้อ alternative data เขานำผู้เชื่ยวชาญด้าน Quant ใน wall street ได้แก่ Tim Harrington จาก Battlefin, Erik Haines จาก Guidepoint, Morgan Slade จาก CloudQuant, และ Chris Petrescu จาก WorldQuant มาแลกเปลี่ยนและให้ความรู้ ประเด็น The rise of quants and alternative data

Alternative data ตอนนี้กำลังเป็น hot topic เติบโตและเป็นที่ต้องการมาก คุณ Petrescu พูดถึงคำว่า quantamental แนวทางของ Quant ผสมผสานกับ Fundamental เดิม กล่าวโดยสรุปคือ alpha model ในการลงทุน จากการใช้ทั้งข้อมูล fundamental เดิม(งบการเงิน) รวมกับข้อมูล alternative data เพื่อสร้างโมเดลประเมินกิจการ ทำนายผลประกอบการ ตัวเลขรายได้ของบริษัท



Alternative data ที่พูดถึงมีตั้งแต่ข้อมูลเชิงตำแหน่ง เช่น geolocation จาก mobile ,ภาพถ่ายดาวเทียม(ตัวอย่างเช่นติดตามจำนวนรถในลานจอดรถของห้าง) , ข้อมูลการใช้บัตรเครดิต ยอดบัตรเครดิตในร้านค้า หรือสถานที่ต่างๆ ,ข้อมูลตำแหน่งและการเคลื่อนที่ของคนจากโทรศัพท์มือถือ ,ข้อมูลจาก sensor ,ข้อมูล sentimental จาก social media ,ข้อความจาก web content และอื่นๆ ยกตัวอย่างประเมิน รายได้ของห้าง ใช้ข้อมูลดาวเทียมรายละเอียดสูงนับจำนวน รถที่จอดในลานจอดรถกลางแจ้งของห้าง ,คำนวณปริมาณข้อมูลการใช้มือถือบริเวณห้าง เปรียบเทียบกับช่วงเวลาก่อนหน้า, ข้อมูลยอดเงินและจำนวนความถี่การใช้บัตรเครดิตการ์ดซื้อสินค้าในห้าง รวมถึงข้อมูล social media ที่มีการโพสถึงกิจกรรมและการบริการเกิดเกี่ยวห้างสรรพสินค้านั้นๆ ช่วงไตรมาสที่ผ่านมา ข้อมูลเหล่านี้ ถูกนำมาวิเคราะห์ด้วยโมเดล เพื่อประเมินหารายได้ อนุมานผลประกอบการ


ข้อมูลจำนวนมหาศาล เกิดขึ้นใหม่ทุกวัน ประเมิน 2.5 billion GB ซึ่งจะถูกบริษัทด้าน IT ที่มีเทคโนโลยีและนัก data scientist คัดกรองประมวลผล+จัดการ นำข้อมูลไปจำแนก เพื่อขายต่อให้กับ กองทุนหรือ hedge fund ต่างๆ ซึ่งบริษัทเหล่านี้ปัจจุบันมีการจ้าง data scientist และนักกลยุทธ์ มาวิเคราะห์ data set เพื่อสกัดหา insight รวมถึงนำไปใช้ประกอบกับข้อมูลดั่งเดิม ราคา ปริมาณการซื้อขาย และงบการเงิน เพื่อสร้าง กลยุทธ์การเทรดและการลงทุน ต่อไป (รวมถึงการต่อท่อให้กับ AI และ machine learning)


คุณ Harrington และ Haines เขามองว่าเหมือน alternative data กลายเป็น edge หรือความได้เปรียบที่เหล่ากองทุน หรือผู้เล่นรายใหญ่กำลังมองหานำมาใช้กัน ซึ่งบริษัท data service มีการสกัดข้อมูลเพื่อมาขายบริการ แต่ alternative data ก็มีข้อจำกัดการใช้งานเช่น noise หรือ error ที่เกิดจากการด้อยคุณภาพหรือความไม่สมบูรณ์ , ประเด็นต้นทุนข้อมูลราคาสูง เช่นข้อมูลแปลจากภาพดาวเทียม รายละเอียดสูง หรือประเด็นการสกัดนำข้อมูลมาใช้สร้าง model ในการสร้าง alpha ให้ได้เกิดได้จริง
สิ่งที่ 4 คนเห็นเหมือนกันคือ อนาคต alternative data ยังเป็นที่ต้องการ และน่าจะมีการใช้ข้อมูล data set ใหม่ๆมาประกอบการวางแผน สร้างกลยุทธ์การเทรด การลงทุนต่อไป ส่วนการเข้าถึงก็อาจจะสะดวกและง่ายขึ้น

ฟังคลิปสัมมนาเต็มได้ที่
https://www.youtube.com/watch?v=rtrKjZAo7Tk