Nonostante siano ancora circondati da un certo scetticismo rispetto alla loro utilità, sempre più asset manager “tradizionalisti” stanno seguendo la strada tracciata in principio dagli hedge fund: sfruttare gli Alternative Data assumendo all’interno delle loro aziende figure specializzate, con competenze specifiche che possano aiutarli a esplorare le potenzialità offerte dalla raccolta di informazioni non convenzionali.

Ad avvalorare questo trend, una ricerca realizzata da Greenwich Associates mette in evidenza come l’80% degli investor voglia migliorare il proprio accesso a questi dati. Una statistica impressionante, che mostra come gli Alternative Data stiano diventando sempre più mainstream e quanto possa rivelarsi svantaggioso ignorarli.

Una delle lamentele più frequenti tra manager e investitori riguarda le difficoltà riscontrabili nel comprendere e utilizzare set di dati "non personalizzati"; non sorprende quindi come uno dei profili maggiormente ricercati sia quello del Data Scientist con peculiari conoscenze riguardo gli Alternative Data, capace di garantire un vantaggio rispetto agli altri competitor. Per dare un’idea, negli ultimi cinque anni i gruppi di investimento hanno quadruplicato il numero di analisti presenti tra le loro fila.

Gli Alternative Data, integrati con i dati raccolti tramite i canali tradizionali, disegnano un quadro ampio, più completo e veritiero rispetto ai classici report. Attingendo da fonti non comuni, le informazioni hanno maggiori possibilità di risultare esclusive, non condivise con la concorrenza.

Proprio questo è uno dei fulcri principali: non smetteremo mai di ripetere che l’informazione è potere. Arrivare a conoscenza di un’informazione per primi ed essere un passo avanti è di vitale importanza per il successo.

 

Il caso Tesla: un brillante esempio di Alternative Data Analysis.  Scarica il report "Tesla’s First Deadly Autopilot Crash” per capire le  potenzialità di questa analisi.  <http://blog.finscience.com/scarica-il-report-alternative-data-analysis-teslas-first-deadly-autopilot-crash-0>

 

Tuttavia, oggi ci troviamo davanti a un paradosso: le informazioni potenzialmente utili suscettibili di raccolta e analisi sono in numero infinitamente maggiore rispetto al passato, ma allo stesso tempo Internet e il suo mondo ubiquo rendono molto difficoltoso individuare quelle capaci di dare un vantaggio effettivo. Arrivare per primi non è affatto semplice, ma è l’obiettivo di qualunque analista.

 

Arrivare primi, comprendere a fondo.

Con i dati alternativi, il lavoro di analisi sposta il focus da comunicati stampa e trimestrali alla valutazione di dati che restituiscono un’immagine dettagliata delle operazioni aziendali. Immaginiamo di leggere un messaggio sullo smartphone, magari del nostro partner che chiede se abbiamo chiuso la finestra del salotto prima di uscire. Le sole parole difficilmente potranno dirci qualcosa sul reale stato d’animo dell’interlocutore. Forse abbiamo dimenticato di chiuderla, quindi è arrabbiato? Oppure si tratta di sola curiosità?

Queste sfumature del significato possono essere colte nella comunicazione verbale, grazie all’espressività della voce umana. Translato al nostro mondo, individuare e comprendere gli Alternative Data permette di cogliere le sfumature non percepibili immediatamente tramite i set di dati convenzionali.

Per far ciò, le tradizionali competenze dell’analista finanziario (matematiche, statistiche e di programmazione) devono accompagnarsi alle capacità di dialogare con il mondo della comunicazione e di mettere in correlazione le informazioni derivate.

In tal senso, Twitter è una miniera quasi inesauribile. Un esempio: l’11 agosto 2016 la giornalista Brittany Weiss ha twittato un breve messaggio accompagnato da una fotografia che mostrava un incendio alla raffineria di Convent, in Louisiana. La raffineria di Convent è la 28esima più grande degli Stati Uniti. Una volta diffusa la notizia dell’incidente, il prezzo degli oil futures è salito a causa dello stop alla raffineria. Gli operatori del mercato che sono stati in grado di reperire e utilizzare questa informazione per primi hanno potuto gestire le turbolenze successive da una posizione di vantaggio.

 

Scegliere i giusti data set: la piattaforma di FinScience.

Come è ovvio, è impossibile per chiunque analizzare in prima persona l’enorme mole di dati prodotti quotidianamente. A questo scopo, FinScience offre con il suo algoritmo proprietario la possibilità di acquisire e ordinare grandi quantità di dati digitali provenienti da milioni di fonti diverse. La piattaforma individua i segnali di interesse e li mette in correlazione con l’andamento dei titoli azionari, producendo indicatori di sintesi facilmente fruibili per l’utente finale.

L’algoritmo è in grado di “pesare” le notizie tramite un indicatore chiamato DPV (Digital Popularity Value). Di tutte le notizie vengono quindi presentate solo quelle che hanno un certo grado di rilevanza per il segnale di riferimento: c'è chi è interessato al segnale di una company specifica, chi invece segue un argomento nel suo complesso e chi infine è interessato ai cosiddetti "segnali deboli", ovvero a quei segnali che hanno un buon grado di diffusione, ma che non sono ancora stati attenzionati dagli operatori finanziari (e sono quindi un po' più "lontani" come effetto sui mercati). Un enorme vantaggio per ogni analista finanziario.

 

Richiedi una demo di Finscience