CC BY
123
2. Бендиков М.А., Фролов И.Э. Макроэкономическая конъюнктура и проблема технологического развития в экономике современной России // Мировая экономика и международные отношения, 2004. №2. С.28.32.
3. Мониторинг текущей ситуации в экономике Российской Федерации в январе-декабре 2010 года // Министерство экономического развития Российской Федерации, 2011.
4. Онуцкая С.Э., Омельченко И.В. Инновационная экономика: опыт зарубежных стран и проблемы в России // Международный журнал прикладных и фундаментальных исследований. 2010. № 3. С. 29-30.
5. Основные тенденции социально-экономического развития в январе-декабре 2010 года // Минэкономразвития России.
6. Петраков Н. Я. К вопросу об интеграции России в мировое сообщество // Инновации. 2010. № 10. С. 30-33.
7. Полтерович В. Гипотеза об инновационной паузе и стратегия модернизации // Вопросы экономики, 2009, №6. С.38.
8. Попов Г. Об экономическом кризисе 2008 года // Вопросы экономики, 2008. №12. С.10-14.
9. Танака X. Увеличение конкурентоспособности национальной промышленности путем использования открытых инноваций и управления метапрограммами //Управление проектами и программами. 2011. № 1. С. 36-47.
10. Фирсов А.Е Процесс управление экономическими системами при развитии инновационной деятельности // А.Е. Фирсов, Н.И. Лыгина: брошюра. - Орел: ОрелГИЭТ, 2007. - 64 с.
11. Ханова А.А. Концепция системы интеллектуального
управления стратегически-ориентированным предприятием // Экономика, статистика и информатика. Вестник УМО. 2011. №1. С. 187-193.
12. Цзян Цзин, Стровский Л.Е. Состояние и проблемымодер низациипромышленностиКитая // Экономикарегиона. 2011. №2. С. 126-130.
13. Чубайс А. Инновационная экономика в России: что делать? // Вопросыэкономики. 2011. № 1. С. 120-126.
14. Шамхалов Ф. Государство и экономика. Власть и бизнес. - М.: ЗАО «Издательство «Экономика», 2005. С.38.
15. Шепелев С.Б. Формирование и развитие корпоративных структур холдингового типа в условиях структурной перестройки промышленности // Автореферат дисс. ... кандидата экономических наук, Москва, 2004. - 26 с.
16. Шерер Ф., Росс Д. Структура отраслевых рынков. - М.: ИНФРА-М, 1997. С. 165.
18. Шилов А. Инновационная экономика: наука, государство, бизнес // Вопросы экономики. 2011. № 1. С. 127-137.
19. Явлинский Г.А. Перспективы российского общества в XXI веке - окончательный «уход» или модернизация / Г.А.Явлинский, А.В.Космынин // Мир России. 2011. № 3. С.3-18.
20. Яковец Н.В. Инновации XXI века: стратегия инновационного прорыва // Доклад на Молодежном инновационном конвенте, 2008.
21. Ярин Г.А. Методология и механизм разработки инновационно-инвестиционной стратегии промышленных предприятий в системе формирования конкурентных преимуществ // Автореферат дисс. . доктора экономических наук. - Екатеринбург 2007. - 46 с.
УДК 332
BIGDATA. ФИНАНСОВЫЕ РЕАЛИИ
Медведева М.Б., профессор кафедры Мировая экономика и международный бизнес, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», e-mail: [email protected]
Басакина И., студент, 4 курс, Кредитно-экономический факультет, ФГОБУ ВО «Финансовым университет при Правительстве
Российской Федерации»
Мкртчян Д., студент, 4 курс, Кредитно-экономический факультет, ФГОБУ ВО «Финансовым университет при Правительстве
Российской Федерации»
Статья посвящена применению технологии BigData по оптимизации и решению бизнес задач на финансовых рынках. Появление новых финансовых инструментов, новых участников новых бирж, требует применения современных информационных технологий, позволяющих обрабатывать большие объемы данных. Управлениебольшимиданными - являетсяоднойизтакихтехнологий.
Ключевые слова: Информационные технологии, Big Data, библиотеки данных, алгоритмы торговли.
BIGDATA. FINANCIAL REALITIES
Medvedeva M., professor of the World Economy and International Business chair, FSBEI HE «Financial university under the government
of the Russian Federation», e-mail: [email protected] Basakina I., student, 4th year, Credit and Economics chair, FSBEI HE «Financial university under the government of the Russian Federation» Mkrtchan D., student, 4th year, Credit and Economics chair, FSBEI HE «Financial university under the government of the Russian Federation»
The article is devoted to the use of Big Data technologies to optimize and solve business problems in the financial markets. The emergence of new financial instruments, new entrants of new exchanges, requires the use of modern information technologies to process large amounts of data. Big Data management is one such technology.
Keywords: Information Technology, Big Data, data libraries, trading algorithms.
Фондовый рынок является наиболее динамичной отраслью экономики. Постоянное появление все новых финансовых инструментов, новых участников, новых бирж и новых торговых систем сопровождается обработкой огромного количества данных. Информация, содержащая исторические данные и вновь поступающие, требует оперативности и высокой скорости передачи, что является одной из первостепенных причин создания программных продуктов, способных справиться с поставленной задачей.
Управление большими данными (Bigdata) является одной из приоритетных задач для любого субъекта экономических отношений, желающего оптимизировать оперативную деятельность. В связи с взрывным ростом объема информации, имеющим разнородный характер данных, необходимо постоянно следовать тренду в области эффективного управления информационными потоками. Данная практика позволяет не только оптимизировать бизнес-направления, но и определить их сбалансированность относительно метода «доходность-рисковость».
Возвращаясь к истокам создания данного программного продукта, следует отметить, что BigData как явление появилось в недалеком прошлом, в 2010 году, и уже имеет ошеломительную распространенность использования среди многих крупнейших поставщиков информационных технологий, а так же компаний, использующих данные технологии (Примеры:1ВМ, Microsoft, EMC и др.)
В ближайшем времени ожидается внедрение технологий обработки больших данных в производственные, медицинские, торговые сферы, а так же сферы осуществления государственного управления.
Понятиеbigdata - это не просто управление большими объемами информации и данных, как может показаться из названия, а именно анализ постоянно обновляемых данных [3]. В настоящее время основной проблемой субъектов экономики, в том числе и профессиональных участников рынка ценных бумаг, является не объемы хранящихся данных, а формат их хранения - это текстовые документы, видеозаписи, веб-журналы и т.д. В следствие чего
организации имеют доступ к большому объему своих данных, но не имеют необходимые инструменты для установления взаимосвязей между данными, а, значит, и сделать на их основе значимые выводы. Если же добавить тот факт, что данные обновляются очень часто, то мы обнаружим, что традиционные методы управления и анализа данных не могут справиться с постоянно обновляемыми огромными объемами данных, в следствие чего возникает необходимость в создании других инструментов, а именно технологий bigdata.
Термин «большие данные» относительно молодой -впервые его упомянул в 2008 году редактор журнала Nature Клиффорд Линч. С 2009 года данный термин распространился не только в академической среде, но и в деловой прессе, а к 2011году большинство крупнейших компаний-поставщиков информационных технологий, таких как IBM, Oracle, Microsoft, Hewlett-Packard, EMC, начинают активно использоватьпонятие о больших данных. С 2013 года термин bigdata рассматривается как академический предмет и ведется в высших учебных заведениях.
На сегодняшний день внедрение технологий больших данных окажет влияние на информационные технологии во многих сферах деятельности человека:в торговле, производстве, государственном правлении, здравоохранении, а также в сферах, где регистрируются индивидуальные перемещения ресурсов [7].
Следует отметить, что накопленные объемы данных не всегда можно отнести к числу больших. Существует 5 признаков, характеризующих сферу больших данных:
1. Volume - большой объем накопленных данных, обработка и хранение которых традиционными методами невозможно и необходимо введение новых, усовершенствованных инструментов анализа и управления;
2. Velocity - постоянное увеличение скорости накопления и обработки данных в реальном времени
3. Variety - многообразие хранимых данных - возможность одновременногоанализа структурированной (например, информация о клиентских транзакциях) и неструктурированной (аудио, видео файлы, информация из социальных сетей и т.д.) разноформатной информации;
4. Veracity - достоверность имеющихся данных;
5. Value - польза и значимость накопленной информации для организации.
В настоящее время, в эпоху глобализации и новых технологий, компании используют различные источники сбора данных. Так, был проведен опрос среди крупнейших компаний по всему миру и было выявлено, что 37% опрошенных собирают текущие данные, 23% - ссылаются на исторические данные, 17% снимают данные с мониторов и датчиков, 14% пользуются данными в реальном времени, после чего стирают их (чаще всего такой источник сбора данных используется в Индии, США и Аргентине), 9% опрошенных собирают неструктурированные данные (видео, аудио и т.д). В данной области лидирующую позицию занимает Китай.1
Данная технология весьма актуальна в рамках финансовых рынков, включая как банковскую сферу, так и сферу биржевых рынков, так как данные, используемые в них, соответствуют 5-ти основным признакам BigData.
На протяжении многих лет биржевые рынки накапливали огромные информационные пласты, в результате чего возникла острая необходимость систематизировать полученные данные и проанализировать на предмет актуальности использования в настоящем времени.
Большие данные заметно упрощают и улучшают процесс обработки неструктурированных данных в области потребительски-ориентированных компаний, помогающие им лучше понять потребительский спрос на производимый товар/услугу. Так, инвестиционные компании разрабатывают новые высоко доходные структурированные финансовые продукты, которые будут интересны их клиентам.
Направления использования[4]
• поиск новых прибыльных стратегий торговли на финансовых рынках, дающие конкурентные преимущества трейдеру;
• анализ биржевых рисков и методов их гашения;
• финансовый инжиниринг;
• хеджирование на основе исторических данных;
• оценка настроений и новостей биржевого рынка;
• выделение наиболее важных показателей, влияющих на волатильность и котировки цен ценных бумаг
Пользователи программ «больших данных»:
• инвестиционно-управляющие компании
1 Cisco Connected World Technology Report
• биржевые аналитики;
• крупные брокерские компании
• трейдеры, дилеры, брокеры;
• клиринговые компании;
• депозитарии и регистраторы;
• торговые платформы и биржи;
• др. участники рынка ценных бумаг.
Программные продукты [1]:
• ElectronDataSolutions - программное обеспечение, прогружающее необходимые данные в нужное время и для нужного приложения, нормализация, изучение, распространение данных для совершения сделок;
• ElectronCommunitySolutions - программное обеспечение, дающее возможность выхода к мировому сообществу для обеспечения эффективного и динамичного торгового процесса, для общения с партнерами в формате «тет-а-тет», а так же для контрибуции и интеграции рыночных данных;
• HADOOP - программное обеспечение, включающее набор утилит, библиотек для разработки и выполнения различных распределенных программ;
• Big Data from IBM, Oracle, Teradata.
На примере компании ThomsonReuters представляется возможным оценить вклад BigData в функционирование финансовых рынков. Она выполняет следующие операционные функции:
1. Разработка роботов, способных анализировать огромные массивы информация;
2. Создание алгоритмов торговли;
3. Создание отсортированных библиотек данных и различного рода программных интерфейсов.
Более того, одно из заявлений ThomsonReuters вызвало бурю дискуссий. Теперь программный продукт на базе Биг Дата позволит трейдерам отслеживать эмоциональную окраску реальных торгов по сообщениям пользователей Twitter.[6]. Данный инструмент позволит провести анализ и оценить тональность публикаций. Оценка положительных и отрицательных твитов о любой компании, ее акциях, события, воздействующие на рынок и компании позволитоперативнее принимать решения о покупке/продаже ценных бумаг.
Однако использование данной технологии носит противоречивый характер. Многие специалисты считают, что данный продукт не учитывает реальные (нерациональные) потребности потребителей товаров и услуг, которые производят компании, использующие данный информационное обеспечение. Но с другой стороны Биг Дата способна оперативно и максимально точно определять прогноз по выгружаемым в систему данным. Таким образом, необходимо рассмотреть плюсы и минусы данной системы:
«плюсы»
• оптимизация поиска эффективной торговой стратегии;
• поиск точечных и индивидуальных предложений клиентам инвестиционных компаний;
• уменьшение риска потери значимых информационных сведений.
«минусы»
• высокая стоимость внедрения программного обеспечения BigData;
• невысоко квалифицированный персонал;
• сбой передачи данных в связи с недостаточно налаженной интернет-сетью.
Литература:
Аналитический обзор рынка BigData - http://habrahabr.ru/ company/moex/blog/256747/
Большие данные (BigData) - http://www.tadviser.ru/index.php/ Статья:Большие_данные.
Гобарева Я.Л., Ширнин Г.В. Большие данные в банковской сфере // Валютный контроль. Валютное регулирование. - 2014. - № 8. - С. 58-63.
ДебраУолтон: Популярность Bigdata сравнима с «золотой лихорадкой» - http://bit.samag.ru/archive/article/1547
Инфографика: Большие данные пришли в Россию - http:// bigdata.cnews.ru/articles/infografika_bolshie_..
Учет эмоциональной окраски сообщений Twitter - http://www. osp.ru/news/2014/0206/13023049/
Гобарева Я.Л. , Городецкая О.Ю., Кочанова Е.Р. Возможности технологии Bigdata для повышения качества эксплуатации CRM-систем // Транспортное дело России. - 2015. - №5. - С. 62-63.
