Servizio Comunitario di Informazione in materia di Ricerca e Sviluppo - CORDIS

FP7

QualiMaster — Risultato in breve

Project ID: 619525
Finanziato nell'ambito di: FP7-ICT
Paese: Germania
Dominio: Tecnologie dell’informazione e della comunicazione

Analisi automatiche in tempo reale aiutano a prevenire le situazioni di mercato rischiose

Informatici finanziati dall’UE hanno sviluppato un’infrastruttura per monitorare le attività rischiose sul mercato finanziario in tempo reale e rilevare i segnali precoci di fallimento del mercato.
Analisi automatiche in tempo reale aiutano a prevenire le situazioni di mercato rischiose
Un’altra crisi finanziaria globale potrebbe essere difficile da prevedere senza i mezzi per analizzare tempestivamente i rischi, rispondere agli eventi e ridurre al minimo gli effetti sui mercati globali. Ricercatori e informatici finanziati dall’UE hanno ora sviluppato un’innovativa infrastruttura TI per aiutare gli analisti dei mercati, negoziatori e legislatori finanziari a rispondere rapidamente ai comportamenti di mercato potenzialmente rischiosi e insoliti.

Con una dotazione di bilancio di 2,9 milioni di euro, il progetto triennale QUALIMASTER ha sviluppato un sistema integrato di algoritmi, modelli e processi informatici per analizzare grandi volumi di dati finanziari in tempo reale per prevedere meglio il rischio e la probabilità di fallimenti del mercato e innescare risposte e adeguamenti più tempestivi.

“L’idea è di migliorare l’elaborazione dei flussi di dati e megadati per creare un’infrastruttura in grado di adattarsi dinamicamente alle situazioni mutevoli,” spiega la coordinatrice del progetto Claudia Niederée, ricercatrice senior presso il Centro di ricerca L3S dell’Università Leibniz, Hannover.

Utilizzando i flussi di grandi volumi di dati dei mercati azionari – a volte 100 milioni di messaggi al secondo – che includono le variazioni dei prezzi azionari, i tassi di scambio, gli indici dei future e il corso delle obbligazioni, nonché dei dati di social media come quelli della piattaforma Twitter, combinati con newswire, blog finanziari, dati governativi e altre fonti, il sistema analizza continuamente la situazione per rilevare segni di squilibri nel mercato.

“Abbiamo studiato le correlazioni per rilevare il rischio sistemico e i cambiamenti non solo delle singole transazioni, ma anche per capire meglio perché i mercati fluttuano e in che modo lo fanno, e per verificare un tipo di correlazione più profonda, per vedere cosa succede, come avviene,” dice la dott.ssa Niederée. “Abbiamo anche creato visualizzazioni, in modo che gli analisti abbiano un quadro più chiaro di cosa fare.”

Un sistema dinamico

Tutto questo avviene in un ambiente di megadati in rapido movimento e adattivo. “I sistemi esistenti per l’elaborazione dei dati possono essere alquanto statici; nel caso di un’improvvisa impennata dei dati finanziari dovuta a una qualsiasi crisi, reagiscono con un certo ritardo,” dice la dott.ssa Niederée. “Normalmente il sistema andrebbe fermato, riconfigurato e riavviato. Il nostro sistema riesce a farlo dinamicamente e anche a rilevare se occorre apportare delle modifiche.”

“Come una maccina del tempo, è in grado di ritornare a un punto nel passato in cui la situazione era simile, per vedere cosa sia accaduto e per capire le relazioni tra gli attori del mercato, analizzando la loro evoluzione nel tempo,” spiega la dott.ssa Niederée.

Il sistema configurabile, sviluppato in collaborazione con aziende di tecnologia finanziaria, ha analizzato i social media usando l’analisi del sentiment per vedere come nasce l’opinione relativa a determinate azioni o aziende in un dato momento, nonché il rilevamento degli eventi usando i flussi Twitter per rilevare i segnali che influenzano una determinata azione o gruppo di azioni.

Riconfigurazione automatica dell’hardware

Un terzo componente del progetto – nuovo in questo campo – era di trasferire gli algoritmi di elaborazione del flusso in codice hardware, al fine di poter sfruttare l’hardware riconfigurabile in modo dinamica.

“Se si considerano migliaia di attori del mercato e occore elaborare milioni di coppie di correlazioni al secondo, tali carichi pesanti di dati possono essere gestiti più efficacemente nell’hardware,” spiega la dott.ssa Niederée.

Il lavoro di QUALIMASTER ha anche attirato l’attenzione del settore automobilistico interessato nell’adattamento dinamico in tempo reale delle automobili senza conducente alle situazioni in costante cambiamento.

Keywords

QUALIMASTER, finanza, fintech, negoziazione automatica, comportamento del mercato, mercato azioniario, tic, rischio sistemico, megadati, elaborazione dei dati