Przewidywanie notowań giełdowych z niestandardowymi źródłami danych

dodał 3 lutego 2015 o 15:50 w kategorii HowTo  z tagami:
Przewidywanie notowań giełdowych z niestandardowymi źródłami danych

Dzisiaj przeniesiemy się na chwilę do świata wielkich finansów by spojrzeć, jak sprytni gracze próbują z całkiem niezłym skutkiem i dużym zyskiem przewidzieć szybciej niż inni zmiany notowań spółek notowanych na giełdzie.

Co powiecie na trzyletni zwrot z inwestycji giełdowych na poziomie 1819%? Takie zyski mogą pewnie budzić zazdrość Warrena Buffeta. Osiągnęli je nie profesjonalni inwestorzy, a zwykli analitycy zajmujący się identyfikacją ryzyka transakcji kartami kredytowymi. Niestety organ nadzoru amerykańskiego rynku finansowego uznał, że złamali po drodze kilka przepisów. W naszym świecie ich osiągnięcie nazwalibyśmy atakiem typu side channel.

Ścigali nadużycia i popełniali je sami

Bloomberg opisuje ciekawą historię dwóch analityków, Bonana Huanga i Nana Huanga, pracujących dla banku Capital One. Bohaterowie tej historii odpowiadali za analizę transakcji kartami kredytowymi wydanymi przez bank pod kątem możliwych nadużyć. Najwyraźniej obcując dostatecznie długo z cudzymi nadużyciami postanowili popełnić ich trochę na własną rękę. Plan przekrętu mieli naprawdę niezły.

Na giełdzie najwięcej i najszybciej można zarobić dysponując informacjami, którymi nie dysponuje nikt inny. Znając dzień przed publikacją wyniki finansowe firmy notowanej na giełdzie wystarczy kupić odpowiednie opcje i je zrealizować dzień później. Prawidłowo obstawiając wzrost lub spadek kursu akcji po ogłoszeniu wyników można w jeden dzień zarobić np. kilkaset procent zainwestowanego kapitału (w przypadku przyjęcia błędnego założenia można stracić 100% inwestycji). Tak się złożyło, że obaj bohaterowie naszej historii w lipcu 2014, dzień przed publikacją wyników sieci restauracji Chipotle, kupili opcje na wzrost jej kursu za 100 000 dolarów. Dzień później je zrealizowali, zarabiając przy tym na czysto 278 000 dolarów. Skąd mieli pewność, ze podejmują prawidłową decyzję inwestycyjną?

Wielka baza danych źródłem wielkich zysków

Jak wspomnieliśmy, bohaterowie historii analizowali na co dzień dane transakcji dokonywanych za pomocą kart kredytowych klientów dużego banku, którego byli pracownikami. Materiały śledztwa pokazują, że niektóre zapytania kierowane do bazy rozmijały się jednak z oficjalnym zakresem ich obowiązków.

Zapytanie o transakcje w Chipotle

Zapytanie o transakcje w Chipotle

Jak przewidzieć treść kwartalnego raportu finansowego restauracji? Wystarczy sprawdzić trend liczby i wartości transakcji przeprowadzanych w tejże sieci restauracji przez klientów dużego banku. Jedno dość długie zapytanie SQL mogło w oczywisty sposób wskazać, że przychody Chipotle wzrosły o ponad 20%. Baza transakcji, na której nasi bohaterowie przeprowadzali analizę, była na tyle duża, że jej wyniki można było bez problemu ekstrapolować na całą populację.

Analityce banku byli bardzo pracowici. Od stycznia 2012 do stycznia 2015 sprawdzili setki firm zajmujących się handlem detalicznym i na podstawie zdobytych w ten sposób informacji przeprowadzili wiele operacji giełdowych. Zainwestowane 147 300 dolarów w ciągu 3 lat pomnożyli do kwoty 2 826 500 dolarów. Skuteczności ich małego funduszu inwestycyjnego mogą pozazdrościć największe firmy z branży. Niestety ich talentu nie docenił regulator rynku, który oskarżył ich o wykorzystywanie informacji niezgodnie z ich pierwotnym przeznaczeniem i obaj panowie prawdopodobnie będą musieli pozbyć się zgromadzonego w ten sposób majątku i spędzić dłuższe wakacje za kratkami.

Nie oni pierwsi ani ostatni

Zdobycie informacji, którymi nie dysponują inni gracze, od dawna jest celem wielu inwestorów. Niektórzy otrzymują przecieki na polu golfowym, inni próbują różnych niekonwencjonalnych metod. Analitycy prognozujący obroty sieci restauracji obdzwaniają dostawców mięsa by poznać wysokość zamówień czy też przeprowadzają badania liczby gości w wybranych placówkach, lecz pojawiają się na rynku firmy oferujące bardziej wyrafinowane usługi.

Firma Genscape specjalizuje się w dostarczaniu informacji o rynkach energii. W tym celu na przykład montuje na prywatnych posesjach w pobliżu dużych elektrowni i linii przesyłowych mierniki, które na podstawie pomiarów pola magnetycznego i innych parametrów szacują ilość produkowanej i przesyłanej energii. Z kolei zasoby ropy naftowej szacowane są na podstawie odczytów kamer termowizyjnych mocowanych na helikopterach latających w pobliżu najważniejszych zbiorników paliwa.

Inna firma, Orbital Insight, specjalizuje się w pozyskiwaniu cennych informacji ze zdjęć satelitarnych. Liczba niedokończonych budowli w wybranych chińskich miastach sugeruje trendy na rynku nieruchomości. Obszary zasiewów kukurydzy prognozują plony. Liczba samochodów na parkingach pod supermarketami pomaga przewidzieć sytuację na rynku sprzedaży konsumenckiej.

Kolejny startup, Dataminr, codziennie analizuje miliony tweetów w nadziei na zlokalizowanie tych, które wpływają na wycenę spółek lub zapowiadają jej zmianę. Potrafił na przykład prawidłowo zidentyfikować jako istotny tweet od Briana Krebsa, który poinformował o wycieku informacji o kartach kredytowych w sieci Home Depot na dobry kwadrans zanim wiadomość przedostała się do mediów i sprawiła, że kurs tej firmy spadł o 2%.

Wielkie pieniądze przyciągają kreatywne umysły. Metody, które opisujemy powyżej, zapewne są już o kilka lat przestarzałe w stosunku do tego, co dzisiaj przynosi najlepsze zyski, niemniej wydały nam się ciekawym przykładem, jak kreatywnie „hakować” źródła danych.