Reading Time: 6 mins

Sciences des données : l’intégration Tech-Quant

Sciences des données : l’intégration Tech-Quant

Après avoir construit des solutions de science des données pour les institutions financières, les traders et les clients des marchés de capitaux, l’un des défis que nous avons rencontrés au cours des 12 derniers mois est d’extraire les connaissances tacites que possèdent les équipes quantitatives et de les appliquer du côté technologique.
Dans un certain nombre de conversations avec des clients, où nous avons discuté des sciences des données ou de domaines connexes tels que l’apprentissage automatique, nous avons vu que la mise en œuvre de la technologie n’est pas ce qui préoccupe vraiment les clients. Ce qui compte vraiment pour eux, c’est le mode opératoire pour intégrer la technologie aux modèles que les équipes quantitatives construisent.

Qui sont les quants et que font-ils ?

Vous trouvez aujourd’hui des quants dans la banque d’investissement, le trading, la gestion des risques et de nombreux autres secteurs. Grâce à l’essor du “Big Data”, les quants sont soudainement devenus populaires. Vous pouvez les voir travailler dans le crédit structuré ou l’analyse quantitative, mais pour l’instant, il s’agit de modèles.

Prenons l’« industrie du commerce » comme exemple.

Les traders quantitatifs prennent une technique de trading et en créent un modèle à l’aide de mathématiques , puis ils développent un programme informatique qui applique le modèle aux données historiques du marché. Le modèle est ensuite backtesté et optimisé. Si des résultats favorables sont obtenus, le système est alors mis en œuvre sur des marchés en temps réel avec un capital réel.

Essentiellement, les traders quantitatifs tirent parti de la technologie moderne, des mathématiques et de la disponibilité de bases de données complètes pour prendre des décisions commerciales rationnelles.

Par exemple, l’un de nos clients a sa propre équipe quantitative qui travaille avec l’équipe de trading pour améliorer les stratégies de trading et concevoir de nouvelles stratégies. L’équipe technique côté client conçoit et construit l’infrastructure technique et les systèmes logiciels qui rendent le trading possible. Il existe un degré élevé de collaboration entre les équipes Trading, Tech et Quant.

Comment combler le fossé ?

Dans une mission Data Sciences, comment comblons-nous ce fossé entre les équipes quant et tech ?

Vous entendrez des clients dire qu’il est impossible de prendre le temps des équipes quantitatives pour aider les équipes techniques compte tenu d’autres priorités et préférer que les équipes quantitatives soient formées à la technologie, ce qui n’est pas facile.

D’autre part, vous verrez des développeurs confrontés à des exigences d’apprentissage latéral dans des domaines tels que les statistiques et d’autres principes fondamentaux des mathématiques. Sans une bonne intégration entre ces équipes, comment construire des solutions qui rendent justice à l’objectif pour lequel elles ont été construites ?

Dans notre exploration et notre lecture, nous avons vu Institutional Quant Platforms (IQP) comme solution à ce problème. Pour citer Mark Higgins, cofondateur et directeur de l’exploitation chez Beacon, « les IQP sont conçus pour faciliter l’écriture, le partage et la publication de code par les quants ; accéder aux données dont ils ont besoin ; et construire et exécuter les outils qui alimentent l’entreprise.

Chez Zuci, nous avons construit notre plateforme quantitative institutionnelle.

Quelle est votre stratégie ?

Sources : https://www.investopedia.com/

Sources : Clients de Zuci

Janaha Vivek

I write about fintech, data, and everything around it | Senior Marketing Specialist @ Zuci Systems.