Бітемпоральність, що допомагає знизити витрати на використання фінансових послуг

Минулого тижня я був на події «Порівняльний аналіз даних і аналітики». Це було неймовірно, були представлені більшість великих банків, а також найгарячіші хедж-фонди, кілька бірж і деякі незвичайні постачальники.

Я знайшов це освіжаючим, як і більшість подій, де обговорюються реальні аналітичні питання. Моя рання кар’єра була зосереджена на кількісних дослідженнях/науці про дані/аналітиці, але зараз я в, гм,
Професія «Дані», яка складається із заплутаного набору (переважно) комерційних продуктів, що лежать в основі «сховищ даних», «озер даних» та інфраструктур «сіті даних», «ткани даних», «болото даних», що становить дол. трильйонів у видатках і підтримці деяких дуже великих організацій. Особисто я вважаю мову, жаргон і екосистему в цій галузі абстрагованими від реальності, але це допомагає підтримувати комерційних постачальників із красивими назвами продуктів і категорій. Слідкуйте за грошима, як кажуть: «складна» платформа даних коштує набагато дорожче, ніж інструмент моделювання, яким може користуватися будь-який студент MSC.

Індустрія даних була фоном для дуже прагматичної події, але її обговорювали, приємно та відверто, на панелі, присвяченій так званому «родовід даних.” Перетворення даних — це переважно послідовний лінійний процес, який фіксує перетворення даних від надходження до використання та допомагає підтримувати так зване керування даними, яке потребує величезної кількості дорогого інструментарію зберігання. В епоху хмари хмарні сховища даних у моді, зокрема одне. Але ось що. Перетворення даних насправді не є лінійним, особливо коли це корисно. Він складний, циклічний, змінюється, як Доктор Хто та Тардіс, подорожує в часі та галактиками. Крім псевдофілософії та популярної фізики, у фінансах одні й ті самі дані, коли їх налаштовують, трансформують і аналізують, можуть служити багатьом іншим варіантам використання, також у часі та місці. Крім того, регулятори просять нас документувати зміни, прозоро повідомляючи про те, що ми зробили, коли, чому та що змінилося. Ви можете сказати: «Це саме управління даними, про яке вони просять». Типу. Але регулюючі органи насправді вимагають звітувати про дієві рішення, які вимагають моделей, залучення та дій, які мають вплив. Це стосується людей, рішень і конкретних випадків використання, а не лише даних.

Панельна дискусія представила та довго обговорювала концепцію бітемпоральність, практична тактика керування даними, яка добре обслуговує випадки фінансового використання та регулятивні процеси. Один учасник дискусії з (дуже) регульованого банку першого рівня надзвичайно похвалив бітемпоральність. Його архітектура використовувала бітемпоральність для регулювання в часі та відтворення змін даних. Припустімо, ви хочете відтворити старий фінансовий звіт або торгівлю деривативами так, як вони виглядали на момент створення, а потім, як вони мали виглядати з урахуванням пізніших виправлень/доповнень/виплат, наприклад, у звіті про відповідність. З бітемпоральністю в його випадку одне джерело даних інформує кілька (підтверджених) переглядів даних, коли це сталося і пізніше, з «мудрістю». Це просто в застосуванні, не дорого, і ось що вам потрібно про це знати.

• Модель даних повинна зберігати та полегшувати аналіз даних у двох вимірах часу – бітемпоральну модель даних, тобто модель, що обслуговує дані на початку та в будь-який момент часу в майбутньому, коли відбуваються перегляди їх стану, і може бути представлена ​​«як» -of” певний час. 
• Ця модель зберігає більше однієї позначки часу для кожної властивості, об’єкта та значення.
• Точки даних можна об’єднувати та з’єднувати – об’єднання «за станом». 

У традиційній архітектурі типу сховища даних таке походження може означати дорогі копії даних, а також несвоєчасну неефективність і складність пошуку. Це один із способів заробітку постачальників хмарних сховищ даних, управління кількома копіями даних, грубий підхід.

Простою альтернативою є лише прості шаблони даних із підтримкою процесу зберігання/в пам’яті. Це може і має бути дешевим, зосередженим на Python. Просто використовуйте мітки часу (з вашими даними) і об’єднання (у коді), щоб зробити процес простим, з можливістю глибокого занурення в окремі записи за потреби.

Щоб заощадити витрати на ваше сховище даних, розробіть програму за допомогою простого Python, звертаючи увагу на продуктивність у пам’яті. Немає потреби розробляти дорогий процес сховища даних.

Де ви використовуєте бітемпоральність у фінансах? Що ж, відповідність — очевидний випадок. Взяти для прикладу

підміна. Тепер спуфінг — це, по суті, схема торгових намірів, хоча й шахрайська, коли певні типи торгів розміщуються, але не виконуються. Причиною глибоких фальсифікацій є насамперед відповідність вимогам, але модель глибоких угод, успішних, невдалих, шахрайських чи просто чудових, приносить користь і фронт-офісу. Це, у свою чергу, дає інформацію про ретроспективне тестування та розробку стратегії, яка також може включати поняття часу. Це пов’язано з тим, що стратегії, коли вони входять у системи управління торгівлею, ризиками чи портфелем, знають лише те, що перед ними, але бек-тест може спробувати включити відомі припущення для пом’якшення ризиків. Приклади включають порівняння короткострокових транзакційних витрат на відміну від оціночних, порівняння кореляцій реальних і очікуваних короткострокових пар, середньострокових виплат, скажімо, за похідними інструментами та інструментами з фіксованим доходом, дивідендів в акціях, кореляції акцій/сектору в управлінні портфелем і довгострокові «макро» ринкові/ризикові режими, улюблені економістами. Час – і бітемпоральність – мають значення. Варіанти використання, на які впливає, роблять техніку набагато ціннішою, ніж просто простий маневр обробки даних.

Крім ринків капіталу, розгляньте платежі. Наприклад, дії на платіжному пристрої повідомлятимуть про транзакції централізовано. Те, що відомо на момент транзакції, потім оновлюється інформацією, наприклад інформацією про клієнта. Виявлення шахрайства є очевидним випадком використання для цього, і це має бути своєчасним. Дані про інтелектуальні платежі обробляються в певний момент часу, але коригуються для покращення якості даних і інформування про подальші події. Використання бітемпоральної моделі даних для основних даних і даних часових рядів допомагає керувати діяльністю на певний момент часу.

Підсумовуючи, те, що потенційно може бути дорогим, «суворо керованим» лінійним перетворенням складських ліній може бути спрощено за допомогою аналітики здорового глузду та співпереживання реальним сценаріям використання. Бітемпоральність варта уваги.

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• PlatoData.Network Vertical Generative Ai. Додайте собі сили. Доступ тут.
• PlatoAiStream. Web3 Intelligence. Розширення знань. Доступ тут.
• ПлатонЕСГ. вуглець, CleanTech, Енергія, Навколишнє середовище, Сонячна, Поводження з відходами. Доступ тут.
• PlatoHealth. Розвідка про біотехнології та клінічні випробування. Доступ тут.
• джерело: https://www.finextra.com/blogposting/25203/bitemporality-helping-lower-costs-for-financial-services-use-cases?utm_medium=rssfinextra&utm_source=finextrablogs