I dati di bilancio, i prezzi delle varie asset class, i volumi scambiati in Borsa sono definiti dati «strutturati», spesso già ben organizzati in database commerciali e di facile analisi attraverso software quali SQL e Excel. Questi dati, molto studiati in accademia, rappresentano il 10% dei dati disponibili. A differenza dei dati strutturati, i Big Data sono definiti «dati non strutturati» e caratterizzati da elevati «volumi, varietà e velocità (3Vs). Nel settore dell’asset management è fondamentale avere accesso a informazioni e saperle analizzare. Le informazioni non mancano. Naturale che questo settore sia terreno fertile per la ricerca e per verificare se i nuovi data sets e le nuove tecniche di AI possano veramente aggiungere valore, rispetto ai consolidati risk premia con nuove strategie di investimento.
La presentazione vuole essere un’introduzione all’argomento ed una (parziale) review della letteratura accademica. Alcune delle domande di ricerca trattate dai paper selezionati sono:
- Can we transform news articles into a numerical output signal and then trade before other humans can read and assimilate the information?
- Can computers infer nuances from managements’ forward looking statements? Can they predict more reliably future company performance or even help predict bankruptcies or fraudulent behavior?
- Can Twitter, StockTwits and other messages from social media outlets provide real time market sentiment information?
- Can the analysis of alternative datasets provide incremental information, to traditional data sources, when evaluating the state of the global economy, the markets or single companies?
Qwafafew-Italy: Presentazione Big Data and AI in Investments?
