O que são dados alternativos?
O termo se refere a qualquer informação sobre um instrumento financeiro proveniente de fontes não tradicionais. As fontes convencionais utilizadas por profissionais de investimento geralmente incluem registros da SEC, registros financeiros, comunicados à imprensa e reportagens da mídia.
Às vezes, os analistas precisam complementar ou apoiar suas percepções, então tentam encontrar informações de outras fontes, incluindo sentimento das notícias, redes de especialistas e dados rastreados na web, por exemplo, chamados de “dados alternativos”.
Nesse contexto, existem duas fontes principais de dados que os gestores de investimentos podem utilizar:
1. Dados tradicionais – relatórios financeiros, notícias, relatórios comerciais, registros da SEC
2. Dados alternativos – pagamentos, geolocalização, mídias sociais e satélite
Como os dados alternativos são gerados?
Os dados alternativos podem vir de muitas fontes, como explicamos anteriormente.
Mas quem cria esses dados?
Existem três fontes principais de dados alternativos:
1. Indivíduos: pessoas comuns geram enormes quantidades de dados todos os dias, por meio de interações nas redes sociais, no trabalho e também em pesquisas no Google, Bing e Yahoo. Cada vez que alguém publica um comentário ou uma avaliação em um site de comércio eletrônico, cria dados alternativos que indicam padrões de comportamento. Esses dados são considerados “dados alternativos não estruturados” e podem ser usados como um dos muitos fatores no processo de tomada de decisão corporativa.
2. Empresas: por outro lado, as empresas tendem a criar dados estruturados, que são mais fáceis de analisar e podem fornecer insights mais profundos na tomada de decisões financeiras. Isso inclui dados transacionais — dados gerados como resultado de uma compra, transação com cartão de crédito ou similares. Dados de órgãos governamentais, impostos e assim por diante também estão incluídos nesse grupo.
3. Dados gerados pela Internet das Coisas (IoT): esses dados são geralmente não estruturados, pois são gerados por sensores e dispositivos finais. Dispositivos IoT, como smart TVs, sistemas de ponto de venda (POS), sensores de estacionamento e tráfego, fornecem dados úteis que, se analisados corretamente, podem fornecer insights poderosos. Por exemplo, com que frequência as pessoas passam por uma determinada rua ou com que frequência os clientes visitam um determinado shopping center. Estão incluídos neste grupo os dados gerados por telefones celulares e outros sistemas baseados em geolocalização.
Os diferentes tipos de dados alternativos
Dados da web – pesquisas na web, taxas de cliques, dados demográficos da web. Isso é especialmente útil para pesquisas de marketing e comércio eletrônico.
Dados de sentimento social – comportamento do consumidor e reações ao conteúdo e posicionamento das marcas. Isso inclui comentários, interações online, tweets e postagens. Isso pode indicar as tendências atuais do mercado e as mudanças no comportamento do consumidor.
Dados de geolocalização – este tipo de dados pode ajudar as empresas a entender quais locais têm uma demanda maior por produtos específicos, por exemplo. Investidores imobiliários também podem usar este tipo de dados para identificar áreas com perspectivas positivas para o desenvolvimento de projetos com base em pontos de dados alternativos, como regulamentos de zoneamento ou novas infraestruturas em construção.
Transações com cartão de crédito – os dados transacionais podem rastrear a receita do varejo e os hábitos de pagamento para avaliação de empréstimos, a fim de antecipar os relatórios de lucros do varejo e identificar os padrões de gastos discricionários dos consumidores.
Transações em pontos de venda (POS) – podem fornecer informações sobre o volume de vendas, o comportamento dos consumidores, quais produtos são populares e quais métodos de pagamento são preferidos entre os diferentes segmentos de consumidores.
Imagens meteorológicas e de satélite – embora esses dados sejam coletados principalmente em bruto (como imagens), eles podem ser alimentados em algoritmos e/ou ferramentas analíticas que podem tirar conclusões e previsões concretas. Por exemplo, medir as atividades econômicas de uma determinada área ou demografia, incluindo a hora do dia em que a atividade atinge seu pico, bem como o número de lojas abertas ou ativas (isso foi especialmente útil durante o coronavírus para ajudar as pessoas a evitar lojas lotadas e, assim, diminuir as taxas de infecção).
Por que os dados alternativos são tão populares?
As empresas de gestão de investimentos utilizam dados para identificar padrões e obter insights exclusivos sobre produtos de investimento. Os fundos de hedge foram os primeiros a tirar proveito das tecnologias de análise de dados e big data, seguidos de perto pelos gestores de private equity. Essas mesmas empresas “vanguardistas” estão liderando a mudança em termos de dados alternativos — os primeiros a adotá-los estão posicionados para obter o máximo benefício, antes que os dados alternativos sejam amplamente adotados.
O que torna os dados alternativos tão atraentes?
Os enormes Conjuntos de dados disponíveis oferecem uma vantagem potencial sobre os concorrentes. A quantidade de dados globais gerados deve chegar a 163ZB até 2026. Isso significa mais dados para alimentar ferramentas de IA, mais padrões e tendências potenciais a serem descobertos e mais possibilidades de obter vantagem sobre os concorrentes.
Com isso em mente, as empresas de investimento estão contratando cientistas e analistas de dados a um ritmo cada vez maior para ajudar nesses esforços de mineração de dados. De acordo com o Financial Times, o número de analistas de dados em empresas de investimento está crescendo exponencialmente.
Qual é o papel dos dados alternativos no investimento orientado por modelos?
O investimento orientado por modelos refere-se ao uso de modelos analíticos de dados para encontrar insights para o setor financeiro em geral e para o investimento em particular. Embora a maioria das empresas ainda não tenha abandonado completamente as fontes de dados tradicionais, os dados alternativos estão se tornando cada vez mais importantes para as empresas de investimento que buscam identificar ideias novas e inovadoras para gerar maior alfa.
Definição rápida: de acordo com a Investopedia,“alfa (α) é um termo usado em investimentos para descrever a capacidade de uma estratégia de investimento de superar o mercado ou sua vantagem”.
Além disso, devido à COVID-19, houve uma maior mudança para atividades online e um mercado digital que está levando bancos e investidores a recorrerem a dados alternativos como fonte para a tomada de decisões. Esse tipo de dado pode fornecer uma imagem quase em tempo real que permite às instituições financeiras tomar decisões oportunas sobre gestão de risco, empréstimos e assim por diante.
Alcançar uma abordagem de investimento quantitativa ou orientada por modelos consiste em duas partes: coletar e analisar os dados. A coleta de dados pode ser feita usando ferramentas de coleta de dados e rastreamento da web, plataformas de dados e provedores de dados especializados na coleta de dados alternativos.
No entanto, encontrar os dados é apenas o primeiro passo. Os dados só podem ser úteis após serem analisados e interpretados. Como os dados alternativos vêm de fontes díspares e não são estruturados, eles podem ser mais difíceis de analisar do que os dados tradicionais. O surgimento das ferramentas de aprendizado de máquina [ML] e processamento de linguagem natural [NLP] é fundamental para analisar os enormes Conjuntos de dados gerados por dados alternativos. As ferramentas de IA podem processar dados em um ritmo muito mais rápido do que qualquer ser humano. Modelos baseados em IA e provedores de dados podem ajudar o setor de investimentos a encontrar os padrões e insights necessários para tomar decisões precisas.
Casos de uso de dados alternativos
Os dados alternativos transformarão a maneira como as empresas de investimento e os fundos de hedge selecionam investimentos nos próximos anos. As aplicações de dados alternativos para gerar ideias, avaliar investimentos e gerenciar carteiras podem ser poderosas quando combinadas com ferramentas de análise de dados. Abaixo estão alguns casos de uso comuns para dados alternativos:
Acompanhamento de variações de preços e inflação – as empresas podem acompanhar Conjuntos de dados com milhões de preços para compreender as variações de preços e os efeitos da inflação.
Usar as redes sociais para prever lucros – um gestor de ativos pode explorar os dados das redes sociais e dos motores de busca para prever os lucros de uma empresa ao longo de um período de tempo específico.
Dados de pagamento para acompanhar o desempenho – um fundo de hedge pode usar dados combinados, como transações com cartão de crédito, dados de localização e uso de aplicativos, para acompanhar o desempenho das vendas online e por aplicativo de uma empresa de varejo.
Dados da web e comentários nas redes sociais para prever movimentos do mercado – você pode usar dados de sites rastreados e redes sociais para detectar eventos que podem movimentar o mercado.
Como obter dados alternativos
Você pode obter dados alternativos coletando-os diretamente da internet por conta própria ou comprando de um fornecedor terceirizado. Vamos explorar.
Opção 1: Rastreamento da web
Isso se refere à coleta de dados de sites por meio de uma ferramenta de Scraping de dados ou de um software de Scraping de dados interno. O software rastreia as páginas da web, baixando os dados relevantes de acordo com palavras-chave específicas. Os dados podem então ser salvos em vários formatos, como um arquivo CSV, por exemplo. As aplicações das ferramentas de Scraping de dados são amplas, desde a Proteção de marca até a verificação de preços.
Você tem várias opções em termos de ferramentas — desde soluções “faça você mesmo” (DIY), nas quais você integraria uma rede Proxy e aproveitaria os IPs reais dos consumidores. Outras opções incluem soluções totalmente automatizadas que não requerem codificação ou infraestrutura — tudo o que você precisa fazer é:
- definir seus conjuntos de dados alvo
- formato desejado
- programar
- o método de entrega preferido
e aproveitar uma transmissão ao vivo de dados diretamente para sua equipe e/ou sistemas.
Opção 2: Comprar conjuntos de dados
Existem fornecedores de dados alternativos que podem fornecer dados em diferentes estágios de processamento. Você pode comprar os dados brutos, “limpos” ou semiestruturados, por exemplo. Essa é uma boa opção para empresas que precisam de conjuntos de dados “estáticos”, o que significa que não é crucial para elas ter conjuntos de dados em tempo real sendo alimentados para sua equipe e sistemas. Por exemplo, uma grife de moda pode querer rastrear as redes sociais uma vez por temporada para identificar novas tendências, mas não precisa fazer isso diariamente. Por outro lado, uma empresa de comércio eletrônico pode querer verificar os preços dos concorrentes a cada hora e fazer alterações em tempo real para oferecer preços mais baixos ou “superar” a concorrência. No último caso, comprar conjuntos de dados pode ser uma opção menos viável.
O que vem a seguir?
À medida que as empresas identificam o valor que os dados alternativos têm a oferecer à economia em geral e ao setor financeiro em particular, começaremos a ver a adoção generalizada de modelos de previsão de dados alternativos e fluxos de receita baseados em dados alternativos. Quando as empresas aprenderem a coletar:
- precisos
- limpos
- gerados por usuários
e adicionarem um nível de sofisticação ao alimentar esses conjuntos de dados brutos com algoritmos preditivos e Inteligência Artificial, começaremos realmente a ver o impacto.
Imagine redes de varejo que conhecem e tomam decisões de produção e coleta com base no sentimento do consumidor nas redes sociais.
Imagine corretoras de valores que conhecem e investem ou vendem a descoberto (ou seja, vendem a descoberto) títulos com base na atividade do consumidor derivada de dados transacionais em tempo real.
Imagine seguradoras que podem realizar uma avaliação de risco com base em dados geoespaciais de fenômenos naturais (pense em furacões, tsunamis e inundações).
Você não precisa mais usar sua imaginação. Os exemplos acima são casos reais de uso de dados alternativos por empresas visionárias que decidiram liderar seu setor em vez de serem lideradas por outras.
