Penelitian ekuitas telah sedikit berkembang dengan gaya investasi dan strategi perdagangan selama beberapa dekade. Hari-hari penelitian fundamental utama, terutama pada sell-side, memudar lama. Sebagian besar analis tidak memiliki keberanian atau waktu.
Menyusut komisi dan pengawasan peraturan tinggi menghasilkan keuntungan lebih rendah pada investasi, melanjutkan siklus mengurangi sumber-sumber penelitian. The sell-side peran analis sekarang memiliki tiga komponen utama: 1) untuk menyediakan akses ke perusahaan manajemen di alam semesta cakupan yang ada, 2) untuk menyediakan cakupan bagi perusahaan yang underwriting klien, dan, 3) untuk menyediakan "titik data panas" - terutama untuk handicap hasil kuartalan. Beli-siders bersaing untuk akses manajemen dan berusaha untuk menggabungkan titik-titik data dengan temuan mereka sendiri untuk memberi makan keputusan perdagangan.
Sayangnya, titik data individu yang diperoleh secara sah dan disebarluaskan jarang bergerak jarum dalam memberikan ukuran sampel yang memadai yang menjadi dasar investasi, tidak kurang keputusan trading. Untuk buy-siders, bahkan menggabungkan titik data dari berbagai analis meliputi sektor tertentu atau perusahaan tidak memberikan sampel statistik yang relevan.
Keterbatasan analisis hari ini
Sebagai contoh, katakanlah sebuah perusahaan teknologi publik yang diperdagangkan menengah pergi ke pasar dengan perpaduan dari 100 tim penjualan langsung (satu penjual dan satu sistem insinyur per tim) dan 500 mitra saluran (campuran 75% / 25% antara reseller dan sistem integrator). Selanjutnya, menganggap bahwa tim-tim ini dan mitra tersebar secara proporsional dengan 65% / 35% campuran penjualan perusahaan antara Amerika Utara dan internasional. Berapa banyak tenaga penjualan dan mitra saluran akan analis harus survei untuk mendapatkan gambaran yang akurat tentang bisnis perusahaan dalam kuartal yang diberikan?
Jika seorang analis sell-side khas mencakup 15-20 perusahaan (quintuple bahwa untuk analis buy-side), efek multiplier dari titik data yang seorang analis harus menyentuh membuat manusia tidak mungkin untuk mengumpulkan informasi yang cukup. Selain itu, dengan 50% dari yang paling penawaran perusahaan teknologi mendekati bulan terakhir seperempat, setengah dari yang sering dekat dalam dua minggu terakhir bulan itu, berapa banyak visibilitas bisa seorang analis miliki?
Selanjutnya, mengapa tim penjualan perusahaan akan berbicara dengan siapa pun dari komunitas investasi dalam minggu-minggu terakhir seperempat ketika satu-satunya orang yang mereka tertarik untuk berbicara dengan pelanggan yang dapat menandatangani kesepakatan? Sekarang perhatikan bahwa banyak perusahaan di seluruh rantai pasokan telah menerapkan kebijakan yang ketat dalam menanggapi skandal baru-baru ini untuk mencegah setiap karyawan melakukan kontak dengan siapa pun dari komunitas investasi.
Bahkan analis terbaik sumber daya tidak memiliki alat untuk menghubungkan titik-titik data yang ia / dia berkumpul untuk mengidentifikasi pola-pola yang bermakna baik untuk perusahaan perorangan atau sektor secara keseluruhan. Akhirnya, dengan cakrawala jangka pendek investasi dan frekuensi tinggi volume perdagangan mendominasi, bagaimana relevan adalah titik-titik data yang tetap?
Pendekatan data besar untuk penelitian
Saham umumnya cenderung untuk perdagangan di kedua sektor momentum atau momentum pasar secara keseluruhan. Berita makro atau peristiwa yang jauh lebih mungkin untuk mempengaruhi pergerakan sektor, dan karena itu saham di sektor tersebut. Ini termasuk volatilitas laba kuartalan sekitar - yang dapat berjalan 10% -30% untuk saham teknologi - karena mayoritas "ketukan" atau "merindukan" sering dipengaruhi oleh faktor-faktor makro. Alasan seperti "eksekusi penjualan" atau "transisi produk" atau masalah "integrasi merger" kurang sering dari panggilan konferensi akan menyarankan. "Pelanggan menunda pembelian" atau "penawaran down-berukuran" atau "pelanggan merilis anggaran" atau "penawaran besar beberapa ditutup tiba-tiba" penjelasan lebih mungkin.
Sekarang, sell-side dan buy-side lembaga utama uji coba perangkat lunak baru yang memanfaatkan infrastruktur cloud dan analisis data yang besar untuk model pasar dan saham. Set data yang besar dapat menyertakan berita makro dari mana saja di dunia, seperti variabel ekonomi, peristiwa politik, musiman dan faktor siklus. Ini dapat dicampur dengan peristiwa-perusahaan tertentu, termasuk pendapatan, pembiayaan atau aktivitas M & A. Sumber data baru, termasuk media sosial, GPS dan spasial juga dapat berlapis ke dalam model. Pengguna dapat memasukkan ribuan variabel untuk membangun model khusus untuk seluruh pasar atau keamanan individu.
Seperti halnya analisis model prediktif kuncinya adalah untuk mengajukan pertanyaan yang tepat. Namun, kemampuan mesin belajar perangkat lunak akan memungkinkan sistem untuk tidak hanya menjawab pertanyaan, tetapi juga untuk menentukan apa yang ingin ditanyakan.
Keuntungan untuk kedua sell-side dan membeli perusahaan sisi yang signifikan. Mereka termasuk:
Biaya yang lebih rendah. Perusahaan dapat menghindari investasi teknologi besar dengan memanfaatkan skala dan kekuatan infrastruktur berbasis cloud dan perangkat lunak analisis pengolahan. Mereka dapat mengumpulkan, menghubungkan dan menganalisis besar, set data yang kompleks dan model yang dibangun di sebagian kecil dari waktu dan biaya yang dibutuhkan in-house analis yang dapat dilakukan.
Akurasi. Mesin belajar dan analisis prediktif canggih teknik yang jauh lebih handal dan scalable daripada model-model yang dibangun dalam spreadsheet Excel. Pola dapat dideteksi untuk menangkap nuansa kecil di pasar dan / atau antara efek yang frekuensi tinggi platform perdagangan telah mengeksploitasi selama bertahun-tahun.
Daya Saing. Perangkat lunak ini dapat membuat kedua sell-side dan buy-side perusahaan lebih kompetitif dengan terbesar, hedge fund yang paling berteknologi maju yang memiliki platform yang dibangun untuk melakukan analisis pada skala ini secara real time. Selain meningkatkan kinerja, perangkat lunak dapat dimanfaatkan untuk meningkatkan layanan klien dengan membuat pilih alat yang tersedia untuk investor individu.
Analis menjadi ilmuwan Data
Keterampilan analis set harus berkembang. Mereka masih akan harus melakukan analisis fundamental untuk memahami pasar mereka mengikuti dan manajemen, strategi, produk / jasa masing-masing perusahaan dan saluran distribusi. Dan mereka masih harus menilai apakah sebuah perusahaan dapat mengeksekusi pada faktor-faktor ini.
Tetapi untuk meningkatkan nilai mereka, analis akan memiliki melakukan pemodelan statistik dan penggunaan alat analisis untuk mendapatkan pemahaman yang lebih mendalam tentang apa driver memindahkan pasar, sektor atau saham tertentu. Penemuan data dan visualisasi alat akan menggantikan spreadsheet untuk mengidentifikasi dependensi, pola dan tren, analisis penilaian, dan pengambilan keputusan investasi. Analis juga akan membutuhkan lebih memahami strategi klien dan gaya perdagangan dalam rangka untuk menyesuaikan "penelitian" mereka pada nasabah individual. tas kulit pria terbaru
Teknologi ini mungkin terus menyusut jajaran analis karena keuntungan yang melekat mereka. Tetapi orang analis yang dapat menguasai teknik ini untuk melengkapi peran tradisional mereka mungkin tidak hanya bertahan, tapi mengangkat nilai mereka - setidaknya sampai tingkat lapangan bermain - karena baru kemampuan alpha-pembangkit mereka.
Tidak ada komentar:
Posting Komentar