Iniciado por
;
Las herramientas cuantitativas se han adoptado ampliamente con el fin de extraer la enorme información de una variedad de información financiera. Los algoritmos de las matemáticas, las estadísticas y las computadoras no han sido tan importantes para los profesionales fiscales alguna vez. Los bancos de inversión desarrollan modelos de estabilidad para evaluar instrumentos fiscales; los fondos mutuos emplearon series de tiempo para reconocer los riesgos en su cartera; y los fondos de cobertura esperan extraer signos del mercado y el arbitraje estadístico de la información ruidosa del mercado. El crecimiento del fondo cuantitativo en la última década cuenta con el desarrollo de técnicas informáticas que hacen posible el procesamiento de grandes conjuntos de datos. A medida que se puede encontrar más información en una frecuencia más alta, más investigaciones en finanzas cuantitativas han cambiado a las microestructuras del mercado monetario. La información de alta frecuencia es una instancia típica de big data caracterizada por 3V # 8217; s: velocidad, variedad y volumen. Además, la relación señalruido en las series temporales financieras suele ser muy pequeña. Los conjuntos de datos de alta frecuencia tienen más probabilidades de ser vulnerables a valores extremos, saltos y errores que los de baja frecuencia. Las técnicas particulares de procesamiento de datos y los modelos cuantitativos están elaborados para extraer datos de la información financiera de manera efectiva. En este capítulo, proporcionamos los métodos de análisis de datos cuantitativos en el fondo. Examinamos el desarrollo del fondo cuantitativo en los últimos diez años. Luego hablamos sobre las características de la información de alta frecuencia y los desafíos que trae. El análisis de datos cuantitativos consta de dos pasos principales: (I) limpieza y agregación de datos; (ii) modelado de información. Examinamos los equipos matemáticos y las tecnologías informáticas detrás de los dos pasos. La valiosa información extraída de la información sin procesar se representa mediante un conjunto de estadísticas. Las estadísticas más populares en el fondo son la volatilidad y el rendimiento esperados, que serían los fundamentos de la teoría de la cartera moderna. Presentamos algunos ejemplos simples de optimización de cartera como una instancia del análisis de información fiscal. Los datos sustanciales ya han cambiado la industria financiera fundamentalmente; mientras que las herramientas cuantitativas para abordar la información financiera masiva aún tienen un largo camino por recorrer. Adopciones de estadísticas avanzadas, teoría de la información, aprendizaje automático y algoritmo informático más rápido son inevitables para predecir los mercados financieros cumplidos.