Fra data-overload til handling
En udfordring i skala
At administrere en investeringsporteføjle, og identificere de aktiver den bør indeholde, er en Big Data-udfordring. Der udgår ufattelige mængder data fra børserne, og det rigtige investeringsvalg afhænger af at man kan overskue dem og afkode dem rigtigt. Dette er i virkeligheden en udfordring, man i finansverden har kendt i generationer, men det er først på det seneste, det er blevet muligt at løse den ad teknisk vej.
Tower Algoritmen er en løsning af netop den karakter.
En velkendt problemstilling
Der findes flere hundrede børser i verden, og på de store af dem handles tusinder af aktiver tusindvis af gange om dagen, sommetider hurtigere. Hver eneste handel, kursændring m.m. på hver eneste børs udgør et datapunkt, så det siger sig selv, at man, som investor, forvalter eller rådgiver, meget hurtigt kan miste overblikket. Der er simpelthen for mange data, og det går for hurtigt, til at man kan følge med. Dette gælder selvom man blot har fokus på en enkelt af de større børser. Ønsker man at handle på tværs af flere børser bliver datamængden selvfølgelig tilsvarende større.
En opgave der kræver muskler
Indtil for forholdsvis nylig var datamængder i Big Data-kategorien også for meget for vores computere. Selv de hurtigste maskiner kunne simpelthen ikke følge med, og levere brugbare analyser hurtigt nok til den påkrævede beslutningshastighed.
Efterhånden som beregningshastigheden er steget, og det er blevet muligt at behandle større og større datasæt inden for brugbare tidsrammer, er vi gået ind i Big Data-tidsalderen. I dag har vi adgang til maskiner, der kan bearbejde datasæt af den størrelse, der udgår fra verdens børser.
Ud over hastighed kræves blot én ting mere: Den rigtige opskrift!
En effektiv løsning
Vores algoritme er den opskrift, der sætter en computer i stand til at identificere de stærke aktiver ud fra alle disse børs-data. Det er stadig ikke en opgave for din laptop; vi kører Tower Algoritmen på Amazons supercomputer-klynger – men så kan den også knuse tallene hurtigt nok, og levere information om hvor i markedet styrken ligger, helt ned til det enkelte papir.
Tænk på vores algoritme som en maskine, hvor der går enorme mængder data ind, og kommer et beslutningsgrundlag du kan handle på ud.
