¡Definitivamente!
Esta es el área de aprendizaje automático y de inteligencia artificial que más me entusiasma y veo que realmente interrumpe la industria de los fondos de cobertura (¡y muchas otras industrias!).
En Imbue Capital estamos desplegando redes neuronales profundas para dar sentido a grandes conjuntos de datos alternativos para comercializar mercados internacionales de productos básicos. Una forma interesante de utilizar el aprendizaje profundo es invertir y comerciar en el mercado australiano del agua, algo que no se está haciendo en ningún otro lugar a nivel mundial.
- ¿Cuáles son los casos de uso de aprendizaje profundo en CRM?
- Cómo comenzar con el modelado predictivo
- ¿Tendrán alguna coincidencia los modelos gráficos probabilísticos y el aprendizaje profundo?
- ¿Cuál es su visión de cómo la clase media de los EE. UU. Puede hacer frente al auge de la robótica, la automatización, etc.?
- Cómo usar la red neuronal convolucional en sus proyectos
Ha habido tres tendencias que han permitido la “revolución” del big data:
1) Un aumento exponencial en la cantidad de datos disponibles. Ahora se estima que el 90% de los datos en el mundo de hoy se han creado solo en los últimos dos años. El fenómeno de Internet de las cosas (IoT) es una de las principales causas de esto con sensores que ahora se encuentran en todo, desde electrodomésticos hasta teléfonos inteligentes y hasta la miríada de sensores que rastrean el clima en tiempo real.
2) Aumento de la potencia informática y la capacidad de almacenamiento de datos, a un costo reducido.
3) Avances en métodos de aprendizaje automático como el aprendizaje profundo. Los avances en este espacio se están realizando en empresas como Google, Baidu y Facebook. En Imbue Capital estamos tomando esos avances de vanguardia y fusionándolos con nuestros grandes conjuntos de datos alternativos, la teoría académica y la comprensión fundamental profunda para comercializar los mercados mundiales de productos básicos. Algo que nos entusiasma mucho.
Esta ‘revolución’ está erosionando el valor de los traders tradicionales basados en humanos que confían en conjuntos de datos mucho más pequeños y la ‘intuición’.
Con más fondos de cobertura que adoptan conjuntos de datos alternativos y aprendizaje profundo, el mercado está comenzando a reaccionar más rápido y anticipará cada vez más las fuentes de datos tradicionales o ‘antiguas’ (por ejemplo, ganancias corporativas trimestrales o actualizaciones mensuales de oferta y demanda agrícola del USDA). Esto le da una ventaja a los gerentes cuantitativos. Eventualmente, los conjuntos de datos ‘viejos’ perderán la mayor parte del valor predictivo y los nuevos conjuntos de datos que capturan ‘Big Data’ se estandarizarán cada vez más.