¿Cuál es la diferencia entre análisis cuantitativo y ciencia de datos?

En The Quants, de Scott Patterson, el tema homónimo se describe como “una nueva generación de genios matemáticos que conquistaron Wall Street y casi lo destruyeron”.

Patterson se centra en la primera ola de analistas / comerciantes cuantitativos que vieron el comercio a través de la lente de la Física, como si los precios del mercado estuvieran determinados por las leyes de la naturaleza.

Una cantidad de esta generación podría tomar un análisis de flujo de efectivo descontado de una empresa, hacer algunas suposiciones sobre su potencial de ganancias futuras y luego modelar algunas valoraciones presentes y futuras de ese trabajo.

Creían que los mercados eficientes eventualmente darían el precio “correcto” y respaldarían sus cálculos.

Pero esto no considera la posibilidad de que los precios sean lo que les hacemos. Como señaló George Soros en su Alchemy of Finance, los precios de mercado determinan los precios de mercado futuros, no los valores fundamentales o el valor subyacente de algunos activos. Los mercados no son eficientes y los planes mejor establecidos a menudo no funcionan para los inversores, incluso a largo plazo.

Soros rechazó cualquier enfoque cuantitativo que no tenga en cuenta el impacto que nuestra percepción tiene en los precios. Hoy, la ciencia de datos lleva esto aún más lejos al dar cuenta de cada complejidad en el mercado.

Los cuantos de la nueva era, como yo, son científicos informáticos que utilizan el aprendizaje automático aplicado y la programación informática para ver todos los datos disponibles para comerciar mejor. Nuestra tecnología nos ayuda a examinar cada actualización de los intercambios y cada punto de datos macroeconómicos de los gobiernos para ver si podemos ganar dinero.

Creemos que el renacimiento de la ciencia de datos continuará en el comercio al igual que en otras partes de la tecnología. Deep Learning será el oficio al que todos recurrirán en los próximos diez años.

¡Espero que esto ayude!

…

Referencias

1. Nadie quiere comerciantes
2. Los fondos cuantiosos al rojo vivo se enfrían
3. Cómo Brevan / Tudor puede usar la ciencia de datos para cambiar las cosas
4. Los fondos de cobertura cuantiosos sufren un bajo rendimiento
5. Enjuague con efectivo, los fondos de Quant Top tropiezan
6. Los inversores se acumulan en fondos cuantitativos (a pesar de los bajos rendimientos)
7. ¿Quién está usando Deep Learning en el comercio y la inversión?
8. Este CIO intercambia fondos de cobertura perdidos para Quants

El análisis cuantitativo responde sobre “cuántos en total”, “cuántos en promedio”, etc. Data Science no se trata solo de no saber la respuesta; también se trata de no conocer la pregunta o simplemente conocerla de manera imprecisa; una pregunta de Análisis cuantitativo podría ser “Quiero saber cuántos empleados estuvieron ausentes cada mes del año pasado” (ok, es una pregunta muy simple , ni siquiera tiene que llamarlo Análisis cuantitativo, pero mi punto aquí es solo que sabes exactamente la pregunta ); Data Science es más “Quiero saber el tipo de empleado que es propenso a estar ausente”, ¿están casados? ¿El soltero? ¿Los casados ​​que tienen dos hijos? ¿Cuatro niños y un perro? ¿No tiene hijos pero tiene un perro? Es menor de 30? ¿Tiene más de 50 y tiene un perro? Y así. Data Science da este tipo de respuesta.

El análisis de datos analiza los hechos, mientras que la ciencia de datos busca o crea tendencias, motivaciones o soluciones para algo.

La analítica es solo una pieza de ciencia de datos. La ciencia de datos es el conocimiento y la aplicación de estadísticas, programación, aprendizaje automático, piratería, visualización, comunicación y experiencia en el dominio.