TL; DR: Hoy en día, todos los campos tecnológicos que mencionó son indispensables en la economía y especialmente en el mercado de valores y el comercio de velocidad. Big data proporciona un gran conjunto de información, que puede refinarse con la minería de datos y luego pasar a algoritmos de aprendizaje automático , que son superiores cuando se trata de análisis de datos complejos no estructurados y toma de decisiones rápida (decidir si comprar / vender acciones analizando tweets por ejemplo).
Así es como se realizó el comercio en el pasado:
Un grupo de personas, sentadas alrededor de la mesa leyendo varios informes, noticias y documentos para decidir si una acción en particular es prometedora, y luego haciendo llamadas telefónicas para comprarlas / venderlas. Como probablemente pueda adivinar, este fue un proceso tedioso que requirió mucho tiempo, que en un campo como la bolsa de valores fue muy limitado.
- ¿Cómo se usa la informática en su trabajo / campo?
- ¿Hay tutoriales o trabajos de investigación sobre la presentación de problemas matemáticos como pseudolenguaje al algoritmo de PNL?
- ¿Cómo se puede aplicar el aprendizaje profundo al procesamiento de imágenes subacuáticas?
- ¿Cuál sería un enfoque razonable para optimizar los ingresos publicitarios del sitio web utilizando datos de GA y aprendizaje automático?
- ¿Qué hace una capa convolucional 1 × 1?
En estos días el comercio ha cambiado bastante. Para simplificar, podemos pensar en el mercado de valores como una gran sala de chat donde las personas intercambian opiniones. Esta información puede formar tendencias y, a veces, las personas adquieren o venden acciones simplemente por los rumores de que cierta compañía aumentará / disminuirá su valor (imagine que alguien bastante respetable crea una tendencia para la compra de iPhone publicando una crítica muy positiva en el chat, aumentando las ganancias de Apple , aumentando la confianza de los inversores y aumentando el precio de sus acciones).
Aquí es donde entra en juego Big Data, Data Mining y Machine Learning . Consideremos este ejemplo de la vida real:
- Twitter es una gran fuente de datos útiles para los inversores. Todos los días hay millones de tuits que comparten opiniones sobre productos, compañías o incluso países, y todos pueden jugar un papel integral al decidir el valor de una compañía (consideremos que este es nuestro gran dato).
- Hay decenas, si no cientos de nuevas empresas que intentan analizar terabytes de ese feed de Twitter en tiempo real para predecir cómo cambiará el valor de una acción en particular (consideremos que esta es nuestra minería de datos).
- Finalmente, dado que hay mucha competencia, las decisiones deben tomarse rápidamente. Mucho más rápido de lo que cualquier humano podría hacer con un teléfono celular o incluso con un clic del mouse. Hoy en día, miles de millones de dólares en operaciones se dejan en manos de sofisticados algoritmos de negociación, que para mantenerse al día con la competencia deben evolucionar continuamente y el aprendizaje automático se usa a menudo para ese propósito.
A veces los algoritmos fallan y luego suceden cosas malas: Knight Capital dice que Trading Glitch le costó $ 440 millones
(Torres de microondas construidas entre Chicago y Nueva Jersey para ahorrar 1.6 milisegundos en tiempo de comunicación comercial)