블룸버그 리서치 설문조사에 따르면 커버리지, 적시성 및 데이터 품질은 퀀트, 리서치 분석가 및 데이터 과학자의 주요 과제입니다
페이지 정보
작성자 BigMama 작성일 25-01-15 16:38 조회 28회 댓글 0건본문
블룸버그 리서치 설문조사에 따르면 커버리지, 적시성 및 데이터 품질은 퀀트, 리서치 분석가 및 데이터 과학자의 주요 과제입니다
정량적 및 인공지능(AI)/기계 학습(ML) 기술의 채택과 체계적인 전략의 성장으로 인해 알파를 추구하는 기업들에게 투자 연구 데이터가 특히 중요해졌습니다. 이러한 전략이 증가함에 따라 블룸버그는 투자 연구의 주요 동향과 과제를 파악하기 위해 글로벌 고객 워크숍에서 실시한 설문조사에서 150명 이상의 퀀트, 리서치 분석가, 데이터 과학자를 대상으로 설문조사를 실시했습니다.
데이터 커버리지, 적시성, 과거 데이터의 품질 문제가 업계 최고의 과제로 꼽혔으며, 응답자의 약 5분의 2(37%)가 이 옵션을 선택했습니다. 그 뒤를 이어 여러 데이터 제공업체의 데이터를 정규화하고 논쟁을 벌였고(26%), 평가 및 연구할 데이터셋을 식별했습니다(15%).
이러한 문제에 따라 블룸버그의 설문조사에 따르면 응답자의 72%가 오늘날 데이터 홍수에서 더 많은 알파 생성 데이터를 지속적으로 활용해야 함에도 불구하고 한 번에 세 개 이하의 데이터셋만 평가할 수 있는 것으로 나타났습니다. 또한 이 연구 결과에 따르면 응답자의 절반 이상(65%)이 단일 데이터셋을 평가하는 데 걸리는 일반적인 시간은 한 달 이상인 것으로 나타났습니다.
기업들은 앞서 언급한 장애물에도 불구하고 연구 데이터를 관리하기 위한 최적의 전략을 찾기 위해 여전히 노력하고 있습니다. 응답자의 50%는 현재 독점 솔루션으로 데이터를 중앙 집중식으로 관리하고 있으며, 제3자 제공업체로의 아웃소싱(8%)을 통해 데이터를 관리하고 있다고 답했으며, 응답자의 10명 중 6명 이상(62%)은 연구 데이터가 클라우드에서 제공되기를 선호한다고 답했습니다. 특히, 응답자의 35%는 REST API, 온프레미스, SFTP와 같은 보다 전통적인 접근 방식을 통해 데이터를 제공받기를 원하며, 이는 데이터 전송 채널 선택의 유연성을 선호한다는 것을 나타냅니다.
"연구 고객과의 심층적인 대화를 통해 새로운 직교 데이터셋에 대한 욕구와 'AI 준비' 데이터를 활용할 필요성이 분명해졌습니다. 데이터 소싱에서 알파를 추출하는 여정은 어렵고 데이터의 지속적인 수집, 청소, 모델링 및 테스트가 특히 어렵습니다."라고 블룸버그 엔터프라이즈 데이터의 글로벌 책임자인 Angana Jacob은 말합니다. "그렇기 때문에 블룸버그는 정량적 및 정량적 연구, 체계적인 전략 및 AI 워크플로우를 목표로 하는 다중 자산 투자 연구 데이터 제품군을 구축하는 데 전념하고 있습니다. 모델링된 Python API 액세스를 통해 고객은 깊은 세분성, 시점 기록, 광범위한 커버리지 및 기존 참조 및 가격 데이터와의 상호 운용성을 통해 알파에 도달하는 데 걸리는 시간을 단축할 수 있습니다."
정량적 및 인공지능(AI)/기계 학습(ML) 기술의 채택과 체계적인 전략의 성장으로 인해 알파를 추구하는 기업들에게 투자 연구 데이터가 특히 중요해졌습니다. 이러한 전략이 증가함에 따라 블룸버그는 투자 연구의 주요 동향과 과제를 파악하기 위해 글로벌 고객 워크숍에서 실시한 설문조사에서 150명 이상의 퀀트, 리서치 분석가, 데이터 과학자를 대상으로 설문조사를 실시했습니다.
데이터 커버리지, 적시성, 과거 데이터의 품질 문제가 업계 최고의 과제로 꼽혔으며, 응답자의 약 5분의 2(37%)가 이 옵션을 선택했습니다. 그 뒤를 이어 여러 데이터 제공업체의 데이터를 정규화하고 논쟁을 벌였고(26%), 평가 및 연구할 데이터셋을 식별했습니다(15%).
이러한 문제에 따라 블룸버그의 설문조사에 따르면 응답자의 72%가 오늘날 데이터 홍수에서 더 많은 알파 생성 데이터를 지속적으로 활용해야 함에도 불구하고 한 번에 세 개 이하의 데이터셋만 평가할 수 있는 것으로 나타났습니다. 또한 이 연구 결과에 따르면 응답자의 절반 이상(65%)이 단일 데이터셋을 평가하는 데 걸리는 일반적인 시간은 한 달 이상인 것으로 나타났습니다.
기업들은 앞서 언급한 장애물에도 불구하고 연구 데이터를 관리하기 위한 최적의 전략을 찾기 위해 여전히 노력하고 있습니다. 응답자의 50%는 현재 독점 솔루션으로 데이터를 중앙 집중식으로 관리하고 있으며, 제3자 제공업체로의 아웃소싱(8%)을 통해 데이터를 관리하고 있다고 답했으며, 응답자의 10명 중 6명 이상(62%)은 연구 데이터가 클라우드에서 제공되기를 선호한다고 답했습니다. 특히, 응답자의 35%는 REST API, 온프레미스, SFTP와 같은 보다 전통적인 접근 방식을 통해 데이터를 제공받기를 원하며, 이는 데이터 전송 채널 선택의 유연성을 선호한다는 것을 나타냅니다.
"연구 고객과의 심층적인 대화를 통해 새로운 직교 데이터셋에 대한 욕구와 'AI 준비' 데이터를 활용할 필요성이 분명해졌습니다. 데이터 소싱에서 알파를 추출하는 여정은 어렵고 데이터의 지속적인 수집, 청소, 모델링 및 테스트가 특히 어렵습니다."라고 블룸버그 엔터프라이즈 데이터의 글로벌 책임자인 Angana Jacob은 말합니다. "그렇기 때문에 블룸버그는 정량적 및 정량적 연구, 체계적인 전략 및 AI 워크플로우를 목표로 하는 다중 자산 투자 연구 데이터 제품군을 구축하는 데 전념하고 있습니다. 모델링된 Python API 액세스를 통해 고객은 깊은 세분성, 시점 기록, 광범위한 커버리지 및 기존 참조 및 가격 데이터와의 상호 운용성을 통해 알파에 도달하는 데 걸리는 시간을 단축할 수 있습니다."