资产管理公司加速利用另类数据和高级分析

首次研究结果表明,资产管理公司在通过另类数据和高级分析来实现阿尔法收益、改善业务运营、增加客户获取和维系的方面已达到拐点。该全面基准的研究结果由为金融服务行业提供专业数据和分析的咨询公司Element22发布,瑞银资产管理为研究提供了支持。

研究强调,调查参与者均处于开发强大的另类数据和高级分析能力的4年征程中的不同阶段。高级分析能力主要包括机器学习(ML)和自然语言处理(NLP),以及还在很大程度上处于试验阶段的智能机器人处理自动化(SRPA)。研究得出的一些观察结果如下:

  • 55%的公司仍处于早期阶段,10%的公司则刚起步。另一方面,只有10%的公司取得了新突破,这是指公司能够从他们的项目中获得大量可持续的价值。
  • 资产管理公司往往倾向于在开始时进行大量投入,通过创新实验室和各种试验项目来建立数据和分析基础。在该过程中,投资会开始略有下降,项目向成功领域集中,并舍弃失败的试验方向。在建立起商业信心后,投资则又会增加,幸运的少数几个项目会达到拐点,迎来投资的大幅增加,而投资回报率也会上升。
  • 处在该过程中期的资产管理公司,开始见到阿尔法收益的产生以及新客户增加等益处,会计划在未来3年内将另类数据投资增加240%。
  • 积极寻求利用高级分析和另类数据策略的公司,每年会将收入的2%到3%用于相关投资。而投入占收入比最高的三家资产管理公司,其投资额能占到所有资产管理公司相关投资的三分之一。

而在资产管理公司对于另类数据和高级分析应用的方面,研究发现:

  • 对高级分析的应用率很高,85%的公司会在某种程度上使用这一功能,而使用另类数据的公司比例是55%。
  • 其中,50%的受访公司使用另类数据来获取阿尔法收益,30%的公司将其用于获取并维系客户。
  • 95%的资产管理公司使用并开发高级分析功能来产生阿尔法收益,75%的公司将其用于业务运营,而用于获取和维系客户的公司比例是70%。
  • 机器学习作为最成熟的高级分析解决方案已脱颖而出,90%的资产管理公司以不同形式对机器学习进行部署。

整体而言,资产管理公司的规模和类型与他们对高级分析和另类数据的使用之间没有相关性。而且无论如何,成功的高级分析和另类数据项目离不开对人才的投资。一些公司目前的数据和分析团队员工数最高达500人,数据科学家人数最高达200人。

Element22的创始合伙人Predrag Dizdarevic在评论本基准研究时称:“该基准研究显示,所有类型的资产管理公司在高级分析和另类数据方面都有广泛的实践。领先者们已经意识到了自己项目的巨大价值,特别是在获取阿尔法收益方面,而且我们预计这一趋势将在未来几年里有所增长。后来者应该尽其所能地积极推进相关项目,否则将面临远远落后且再也无法超越领先者的风险,而这可能将成为该行业的一个关键区分因素。”

瑞银资产管理公司总裁Ulrich Koerner表示:“在费用面临下降压力,且投资从主动管理策略日益转向被动管理策略的大环境下,资产管理公司在未来几年里必须想办法让脱颖而出并保持竞争力。由于可用的另类数据比以往任何时候都多,因此最成功的公司可能是那些将高级数据分析解决方案应用于业务当中,并为自身和客户创造价值的公司。”

本文作者为John D’Antona Jr.,首次发表于2019428日《交易员》杂志,已获彭博授权。

亲身感受彭博终端带来的非凡体验 预约演示