Zautomatyzowana analiza w czasie rzeczywistym zapobiega nakładaniu się na siebie ryzykownych sytuacji rynkowych
Zapobieżenie kolejnemu światowemu kryzysowi finansowemu bez narzędzi do szybkiej analizy ryzyka, reagowania na zdarzenia i minimalizowania wpływu na rynki światowe może okazać się niewykonalne. Teraz unijni badacze i informatycy stworzyli innowacyjną infrastrukturę IT, która pomoże analitykom rynku, inwestorom i organom regulującym natychmiast reagować na potencjalne zagrożenia i odbiegające od normy zachowania rynku. W ramach trwającego trzy lata i wartego 2,9 miliona euro projektu QUALIMASTER opracowano obejmujący algorytmy komputerowe, modele i procesy zintegrowany system umożliwiający analizowanie dużych ilości danych finansowych w czasie rzeczywistym celem lepszego przewidywania ryzyka i prawdopodobieństwa wystąpienia nieprawidłowości na rynku oraz szybszego reagowania i regulacji. „Chcieliśmy usprawnić przetwarzanie strumieni danych i zbiorów Big Data, tworząc infrastrukturę, która będzie potrafiła dynamicznie dostosować się do zmieniających się sytuacji” – mówi Claudia Niederée, koordynator projektu, starszy badacz z Uniwersytetu Leibniz L3S Research Centre w Hanowerze. System nieustannie analizuje ogromną liczbę strumieni danych – czasem nawet 100 milionów komunikatów na sekundę – w tym zmiany cen akcji, kursy walut, indeksy futures oraz kursy obligacji, jak również dane społecznościowe z platform mikroblogowych (Twitter) oraz powiązane informacje z serwisów prasowych, blogów finansowych, stron rządowych oraz innych źródeł celem wykrycia oznak destabilizacji rynku. „Badanie korelacji pozwoliło nam zidentyfikować ryzyko systemowe i lepiej zrozumieć nie tylko zmiany zachodzące w zakresie pojedynczej giełdy, ale również przyczyny i sposób ewolucji rynków; przyjrzeliśmy się też głębiej rodzajom korelacji, aby sprawdzić, jak niespodziewane zdarzenia przekładają się na istniejącą sytuację” – wyjaśnia dr Niederée. „Stworzone przez nas wizualizacje dostarczą analitykom dokładnych informacji i wspomogą proces decyzyjny”. Dynamiczny system Wszystkie analizy przeprowadzane są w niezwykle szybkim i adaptacyjnym środowisku Big Data. „Istniejące systemy przetwarzania danych są bardziej statyczne i w przypadku nagłego napływu dużej ilości danych finansowych, np. z powodu załamania się rynku, reagują z pewnym opóźnieniem” – twierdzi dr Niederée. „Zwykle systemy te wymagają zatrzymania, rekonfiguracji i ponownego uruchomienia. Nasz system dynamicznie dostosowuje się do sytuacji i sam sprawdza, czy istnieje konieczność wprowadzenia zmian”. „To jak wehikuł czasu – system może wrócić do określonego punktu w czasie, w którym to punkcie sytuacja była zbliżona do obecnej, i sprawdzić, co się stało. Pozwala też lepiej poznać zależności między podmiotami rynkowymi poprzez analizę sposobu ewolucji tych podmiotów wraz z upływem czasu” – mówi dr Niederée. Konfigurowalny system, opracowany przy współpracy firm zajmujących się technologiami finansowymi, bada media społecznościowe metodą analizy sentymentu, aby sprawdzić, jak w określonych warunkach powstają opinie o wybranych akcjach lub firmach; zaś mechanizm wykrywania zdarzeń na podstawie wpisów Twittera pozwala zidentyfikować sygnały oddziałujące na określone akcje lub zestawy akcji. Automatyczna rekonfiguracja sprzętu Trzecim etapem projektu było przekształcenie algorytmów przetwarzania strumieni danych w zrozumiały dla sprzętu kod, który umożliwi dynamiczną rekonfigurację tego sprzętu w razie nieoczekiwanego napływu dużych ilości danych. „Zagłębienie się w historię tysięcy podmiotów rynkowych wymaga przetwarzania milionów zestawów korelacji na sekundę. Systemy rekonfigurowalne o wiele lepiej radzą sobie z tak dużymi obciążeniami danymi” – wyjaśnia dr Niederée. Projekt QUALIMASTER przyciągnął również uwagę przedstawicieli przemysłu motoryzacyjnego zainteresowanych wykorzystaniem w samochodach bezzałogowych systemów dynamicznej adaptacji w czasie rzeczywistym do zmieniającej się sytuacji.
Słowa kluczowe
QUALIMASTER, finanse, FinTech, transakcje automatyczne, zachowanie rynku, giełda, ICT, ryzyko systemowe, Big Data, przetwarzanie danych
