سیستم عامل های داده نسل بعدی و بازارهای FX: آیا ما شاهد تحول هستیم؟

از آنجایی که بازارهای FX از الکترونیکی استفاده کرده اند ، حجم شرکت کنندگان در بازار داده ها به صورت نمایی افزایش یافته است. یک گزارش بانک بین المللی بین المللی (BIS) کشف کرد که الگوریتم های الکترونیکی 10-20 ٪ از کل معاملات FX را به خود اختصاص داده اند. BIS تأکید کرد که این نشان دهنده 200-400 میلیارد دلار در گردش روزانه است.

ظهور الگوریتم ها تنها یک نمونه از چگونگی تبدیل و مدیریت اطلاعات مرکزی به FX نهادی مدرن است. بدون داده ، این الگوریتم ها نمی توانند به طور هوشمندانه به شرایط بازار واکنش نشان دهند. همه چیز از شرایط بازار ، اطلاعات نقدینگی ، تا تجزیه و تحلیل هزینه معاملات (TCA) در اجرای بهینه نقش دارد.

با وجود افزایش اجرای الکترونیکی ، بیشتر شرکت کنندگان در بازار تلاش می کنند تا از داده های خود استفاده کنند. متیو هاجسون ، بنیانگذار و مدیرعامل داده های هوشمند موزاییک ، چند دلیل برای این امر برجسته می کند. وی می گوید: "بستر هر بستر تحلیلی مؤثر داده های جمع آوری ، نرمال و غنی شده است."با نقدینگی FX در بسیاری از کانال های مختلف-و داده هایی که اغلب با تأخیر فوق العاده کم تحویل داده می شوند-برای جمع آوری جریان که در تمام کانال ها از جمله الکترونیکی ، فروشنده و صدا جمع می شود ، یک چالش مهم است. به درستی گرفتن و ذخیره هر دو داده خود بانک ، زمان و منابع فشرده است و به دانش تخصصی هم در مورد بازارهای FX و هم در علم داده نیاز دارد. "

در سالهای اخیر ، بازارها شاهد ظهور سکوهای داده محور هستند که نوید بینش در گردش کار را دارند. این سیستم عامل ها چقدر مؤثر هستند و آیا آنها واقعاً زندگی یک معامله گر را آسان تر می کنند؟

"بستر هر بستر تحلیلی مؤثر ، داده های جمع آوری ، عادی و غنی شده است."

چالش های مانع بینش داده های محور

بنگاهها به طور سنتی هیچ مشکلی برای تولید و جمع آوری داده از فعالیتهای بازار خود ندارند. با این حال ، تجزیه و تحلیل این مجموعه داده ها و به دست آوردن بینش مشکل ساز بوده است. از قضا ، الکترونیکی شدن بازار در Spot یک چالش ایجاد کرده است.

بازرگانان FX مدتهاست که صدای عاشق صدای آنها هستند زیرا نمای کاملی از بازار در LP های مختلف به آنها می دهد. از آنجایی که LP های درجه یک به انتخابی که با آنها تعامل دارند انتخابی شده اند ، اکثر شرکت کنندگان در محل از طریق سیستم عامل های جمع شده یا موسسات سطح پایین قیمت دریافت می کنند. بنابراین ، مشتریانی که در SPOT FX در اندازه مشخص تجارت می کنند ، داده های کاملاً متفاوتی را از LP های مختلف دریافت می کنند. این بر عمق آن می تواند این مجموعه داده ها را تجزیه و تحلیل کند.

جریان سفارش نیز یک چالش خاص است. به طور معمول ، سفارشات از PMS به OMS می روند و در نهایت به EMS ، جمع آوری و تجزیه و تحلیل داده ها در طول مسیر. با افزایش پذیرش ALGO ، حجم کامل داده ها و فرکانس معاملات باعث شده است که سیستم عامل های اجرای قادر به مقابله با فشار نباشند. در حالی که بسیاری از سیستم عامل ها به روزرسانی های اصلی را معرفی کرده اند ، پیچیدگی جریان سفارش یک چالش مهم را ایجاد می کند.

مسئله تکه تکه شدن بازار نیز وجود دارد. در حالی که Spot به صورت الکترونیکی معامله می شود ، در بیشتر موارد ، NDF و SWAPS بازار تا حد زیادی از مدل های کارگزار صدا یا ترکیبی کار می کند. نتیجه چندین مجموعه داده و گردش کار است که ادغام نمی شوند. یک مدیر یا معامله گر که می خواهد دیدگاه پرنده ای از فعالیت های خود را بدست آورد ، همیشه باید داده های خاموش شده در یک سیستم متفاوت را به حساب آورد. به عنوان نمونه ، در اینجا چند منبع از جایی که بنگاه ها داده ها را تولید می کنند وجود دارد: معاملات الکترونیکی و صوتی ، پوشش فروش ، داده های مشتری ، داده های ابزار ، فعالیت بازار (از چندین بازار ذخیره شده در سیستم های مختلف.) سیلوهای داده شاید بزرگترین چالشی باشند که با آنهاشرکت ها در حال حاضر سر و کار دارند.

تجزیه و تحلیل داده ها ، سازمان پایگاه داده و یکپارچگی مدت هاست که تصریح بخش های فنی و پشتی است که مدیریت آن چالش برانگیز بوده است.

در عجله برای جمع آوری داده ها ، بنگاهها از تحمیل یکپارچگی داده ها و فرآیندهای حاکمیتی غفلت کردند. نتیجه چندین منبع داده است ، همه آنها در قالب های مختلفی که با یکدیگر صحبت نمی کنند. منابع داده تکه تکه شده منجر به گزارش کندتر می شوند زیرا کارمندان باید به صورت دستی داده ها را تبدیل و فیلتر کنند. به نوبه خود ، بنگاهها فاقد دیدگاه جهانی از داده های عملیاتی خود هستند و باید مجموعه داده های فردی را جمع آوری کنند.

از دیدگاه تجارت ، زیرساخت های ناکارآمد منجر به RFQ های از دست رفته به دلیل نقل قول متناقض و کشف قیمت می شوند. شرکت کنندگان در بازار مدتهاست که از این مسائل آگاه هستند اما به دلیل پیچیدگی کار پیش روی آنها تلاش های آنها از بین رفته است. از این گذشته ، بیشتر بنگاهها در آنچه که اساساً یک عملکرد فناوری اطلاعات است ، فاقد تخصص هستند.

تجزیه و تحلیل داده ها ، سازمان پایگاه داده و یکپارچگی مدت هاست که تصریح بخش های فنی و پشتی است که مدیریت آن چالش برانگیز بوده است. برای نشان دادن این مشکل ، بیشتر بنگاهها به موضوعاتی می پردازند که تجزیه و تحلیل داده های هدایت هدف را تعیین می کنند. تجزیه و تحلیل داده ها به کدام مشکلات حل می شود و شرکت ها برای پاسخگویی به چه سؤالاتی نیاز دارند؟

دانیل چمبرز ، رئیس داده ها و تجزیه و تحلیل در BIDFX ، بیشتر گسترش می یابد. وی می گوید: "برای مدت طولانی مذاکرات ، کنفرانس ها و بحث و گفتگو در مورد داده های بزرگ وجود داشت.""با این حال ، به طور معمول این مورد از داده های بیشتر بهتر نیست. سؤالات مربوط به ، "چه چیزی را می خواهم در داده ها ببینم" و "چگونه می تواند استراتژی های من و/یا اجرای و غیره را بهبود بخشد. از بین رفتن داده ها بسیار آسان است و اگرچه آزمایش در مورد داده ها هدف خود را ارائه می دهد ، اگر جمع آوری و تجزیه و تحلیل داده های هدفمند انجام شود ، مقدار اولیه به طور معمول حاصل می شود. "

چمبرز خاطرنشان می کند که قابلیت استفاده از داده های ذینفعان باید در همه زمان ها مورد توجه قرار گیرد. از این گذشته ، داده ها فایده ای ندارند ، مگر اینکه توسط کسانی که به طور معمول از آن استفاده می کنند ، قابل استفاده باشد. وی می گوید: "این احتمالاً منجر به تلاش برای محدود كردن تعداد ارائه دهندگان داده های شخص ثالث/تحلیلی كه به آنها متصل شده اند ، خواهد بود.""این به دلیل تکه تکه شدن داده ها و خدمات ارائه شده می تواند دشوار باشد."

هاجسون سه مرحله را که همه بنگاه ها باید برداشته باشند ، تشریح می کند. وی می گوید: "اول ، درک اینكه داده ها و جاه طلبی های تحلیلی از بنگاه چیست ، بسیار حیاتی است.""پس از شناسایی سیستم های منبع ، و پارامترها و جاه طلبی ها ایجاد می شود ، مرحله دوم فرآیند - جمع آوری و عادی سازی داده ها - می تواند انجام شود. یک مرحله سوم و پایانی مهم وجود دارد که غنی سازی این مجموعه داده های عادی با اضافی استزمینه های داده ای که از سوابق معامله گم شده اند. این جایی است که می توان از مجموعه داده های خارجی برای "وصل کردن شکاف ها" در داده های یک شرکت استفاده کرد. "

"مشتریان همچنین از تجزیه و تحلیل کمتر استفاده می کنند و فقط به دلایل نظارتی جعبه ای ، اما بیشتر و بیشتر برای اجرای واقعی یا بهبود استراتژی."

سیستم عامل های داده نسل بعدی راه حل هایی ارائه می دهند

امور مالی نهادی در ابتدا در مورد اتخاذ تخصص شخص ثالث بسیار مهم بود ، اما با توجه به اینکه چالش های اجرای بخش های پیچیده فناوری اطلاعات روشن شد ، بسیاری از آنها تصمیم به برون سپاری توانایی فنی گرفتند. فواید زیادی برای این رویکرد وجود دارد. اول ، بنگاهها می توانند از زمانی که سیستم عامل های داده با فناوری به عنوان ستون اصلی مشاغل خود ساخته می شوند ، به فناوری بازار به روز اعتماد کنند.

رابط های آنها در حالی که یک رابط کاربری کم مصرف و با کاربرد آسان را به صورت مقدماتی ارائه می دهد ، بلند کردن فنی سنگین را در پشت صحنه انجام می دهند. نتیجه این است که هرکسی صرف نظر از توانایی فنی خود می تواند گزارش ها را اجرا کند. این سیستم عامل ها همچنین به بنگاه ها کمک می کنند تا داده های خود را بر روی یک پلتفرم واحد جمع آوری و جمع آوری کنند ، و اجرای تجزیه و تحلیل را آسان می کند. برخی از سیستم عامل ها حتی مجهز به الگوریتم های هوش مصنوعی (AI) هستند که رفتار کاربر را یاد می گیرند و توصیه های سفارشی را ارائه می دهند. از دیدگاه LPS ، این الگوریتم ها می توانند روند حجم معاملات مشتری را نشان دهند و به شرکت اجازه می دهد تا موضع پیشگیرانه نسبت به تقاضای مشتری را به عهده بگیرد.

همانطور که هاجسون بیان می کند ، "با استفاده از هوش مصنوعی و یادگیری ماشین ، می توانید به عنوان مثال ، ببینید که مشتریان در مورد نقص کدام یک هستند و بنابراین اقدامات دفاعی شما را بالا می برند - از این گذشته ، به دست آوردن مشتری جدیدی که یک موجود موجود را حفظ کند ، بسیار گران تر است. همچنین می توانید توهین آمیز تر شوید ، زیرا می توانید در یک روز خاص چه فعالیت مشتری را پیش بینی کنید و سپس با موجودی مناسب به آن مشتری خدمت کنید. این فناوری می تواند برای بهبود خدمتی که یک میز FX بانک می تواند به همه نوع مشتری ها ارائه دهد - شرکت ها ، مشتریان خرده فروشی ، صندوق های پرچین ، مدیران دارایی ، بانک های مرکزی و حتی مشتری های داخلی. "

تجزیه و تحلیل از این سیستم عامل ها همچنین می تواند TCA را کاهش دهد که هزینه های آن را پایین بیاورد و بینش عمیقی از الگوهای اجرای ارائه می دهد. با افزایش فشار نظارتی ، هزینه های انطباق را افزایش می دهد ، TCA برای اطمینان از بهره وری بیشتر در گردش کار تجاری مهم است. چمبرز چند نمونه را برجسته می کند. وی گفت: "حلقه بازخورد از تجارت پس از تجارت تا پیش از دوره می تواند یک مشکل دشوار باشد ، اما می توان آن را به روش های مختلفی بدست آورد. اولین مورد کمک به شرایط کلی تر در انتخاب کدام زمان از روز تجارت است که

جفت ارز برای استفاده برای ورود/خروج از موقعیت ها و مهمتر از همه نحوه تنظیم استخر نقدینگی خود. زمان کمک به اعدام می تواند از طریق تصمیم گیری در مورد مدت زمان انجام تجارت ، استفاده از ALGO یا RFQ ، قرار گرفتن در معرض خطر اصلی اعلام و موارد دیگر باشد. "

سهولت استفاده یکی از مهمترین مزایایی است که سیستم عامل های داده مدرن ارائه می دهند. به عنوان مثال ، BIDFX با ارائه مجموعه ای از الگوهای تحلیلی که به TCA و سایر بهینه سازی کار گردش کار کمک می کند ، به بازرگانان کمک می کند.

قدرت علوم داده ها تولید آلفا

سیستم عامل های داده نسل بعدی که در حال حاضر در حال ارائه به طور مساوی با خرید و فروش هستند. با تشکر از سفارشی سازی ، این سیستم عامل ها نتیجه گیری های متنوعی را پشت سر می گذارند و شرکت ها می توانند از آنها به عنوان خواسته های تجاری خود استفاده کنند. به عنوان مثال ، معامله گران سمت فروش می توانند از این بینش ها استفاده کنند تا بفهمند مشتری سودآورترین آنها کیست و ارزش هر مشتری را به روابط تجاری می بخشد.

بینش هایی از این دست به آنها کمک می کند تا زمان خود را بهتر در اولویت قرار دهند. با استفاده از این سیستم عامل ها ، روندهای اجرای Spotting نیز ساده است. به عنوان مثال ، پلتفرم داده های هوشمند موزائیک کاهش تجارت از برخی مشتری ها را برجسته می کند و تجزیه و تحلیل را برای ارائه دلایل احتمالی ارائه می دهد. شرکت ها می توانند میزان بینشی که از سیستم عامل دریافت می کنند و نمایش داده های مورد نظر برای جدا کردن را سفارشی کنند.

پلت فرم موزاییک همچنین ارزیابی نسبت جریان سفارش و ارتباط آنها با رفتار مشتری را ساده می کند. در اصل ، معامله گران یک تحلیلگر کمی در کلاس جهانی در کنار خود در حال کشف بازار و ناهنجاری های مشتری و خلاصه کردن داده های مهم در صورت درخواست هستند.

همه چیز از جریان فصلی مشتری گرفته تا مقدار طول عمر آنها به طور خودکار محاسبه می شود ، و معامله گران برای کارآیی این الگوریتم ها به دانش فنی خاصی احتیاج ندارند. بسته به خواسته های یک شرکت ، پلتفرم موزائیک حتی به لطف الگوریتم هوش مصنوعی خود ، دوره های آینده را نیز پیشنهاد می کند.

هاجسون می گوید: "مزیت اصلی سیستم عامل های داده FX نسل بعدی مانند Mosaic این امکان را می دهد تا وقتی که می توان دید کاملی از داده های خود و استخراج ارزش از آن به دست آورد ، باهوش تر از همیشه باشند.""بهره وری برای حفظ یک حاشیه رقابتی مهم است و هوش مصنوعی می تواند به میز FX اجازه دهد تا نیازهای مشتری خود را به مراتب بیشتر و در نهایت هدایت مشاغل بیشتری را پیش بینی کند."

تجزیه و تحلیل داده های سطح نقدینگی مزایای قابل توجهی برای تیم های سمت خرید ارائه می دهد. به خصوص توانایی داده ها در جداسازی مؤثرترین زمینه های تجارت در یک عملیات تجاری مرتبط است. آیا شرکت به اندازه کافی به نقدینگی برای خروج از معاملات خود و غیره دسترسی کافی دارد؟

LPS و شرکت های سمت فروش می توانند مجموعه داده های خود را با بازار وسیع تر مقایسه کنند تا شکاف های موجود در تجارت خود را تجزیه و تحلیل کنند. تجزیه و تحلیل داده ها همچنین فرصت های معیار را امکان پذیر می کند و بانک ها می توانند از این مجموعه داده ها به عنوان یک نقطه فروش استفاده کنند. به عنوان مثال ، مقایسه داده های اجرای فعلی با معیارهای تاریخی بازخورد فوری را در مورد استانداردها فراهم می کند. آنها همچنین شفافیت اعدام را تقویت می کنند و به مشتریان کمک می کنند تا درک کنند که در کجا ایستاده اند.

BIDFX امکان حاشیه نویسی داده ها را به مشتریان خود ارائه می دهد و از این طریق مدیریت سیاست را ساده می کند. مشتریان می توانند نقاط تغییر را در داده های خود حاشیه نویسی کنند و به راحتی کارآیی پس از تغییر در مقابل تاریخی را اندازه گیری کنند. این توانایی برای به دست آوردن نتیجه گیری در زمان واقعی ، استفاده از مجموعه داده ها را آسان می کند. BIDFX همچنین نسبت به سیستم حکم خود خوش بین است. این سیستم به مشتریان خود اجازه می دهد تا پارامترهای اجرای تجارت (گسترش ، سرعت و غیره) را مطابق با سیاست های کنترل هزینه داخلی تعریف کنند. این چک ها قبل از محاسبه انجام می شود و شانس تجارت پس از تقصیر پس از مرگ را کاهش می دهد. داده های این سیستم همچنین می تواند روابط مشتری-LP را تقویت کند.

مشتریان می توانند داده ها را با LPS خود به اشتراک بگذارند و تصمیم خود را برای انتخاب LP یا منبع جایگزین توضیح دهند."مشتریان فقط از جستجوی هزینه های اجرای و TCA دور می شوند ، بلکه به تجزیه و تحلیل تأمین نقدینگی نیز می پردازند. این کار ساده ترین کار با سیستم عامل هایی است که داده ها را جمع آوری می کنند زیرا روزانه مقدار زیادی داده است. ""آنها همچنین از تجزیه و تحلیل کمتر استفاده می کنند و فقط به دلایل نظارتی جعبه ای ، اما بیشتر و بیشتر برای اجرای واقعی یا بهبود استراتژی."