Big Data and Machine Learning อนาคตของโลกแห่งการลงทุน!

วันนี้มีบทความจั่วหัวร้อนแรงอย่าง “Go with big data and machine learning, or leave finance to thouse who do!” หรือ ที่แปลเป็นภาษาไทยแบบแสบๆ คัน ว่า “จะใช้ Big data และ Machine Learning ในงานไฟแนนซ์ หรือ ปล่อยเรื่องไฟแนนซ์ให้คนที่ทำได้เค้าทำกัน!”

เป็นบทความที่จั่วหัวได้รุนแรงอีกบทความหนึ่งเลยค่ะ เห็นได้ชัดว่าผู้เขียนอย่าง David H Bailey นักวิจัยอาวุโส สาย คณิตศาสตร์ และ คอมพิวเตอร์ ได้แสดงความเชื่อออกมาเต็มที่ว่า Big Data และ Machine Learning จะเป็นอนาคตของงานด้านไฟแนนซ์ รวมถึงการลงทุน อย่างแน่นอน ถึงขนาดที่ว่าใครไม่ลุกขึ้นมาเรียนรู้ ก็จะต้องเดินออกจากสายงานกันไปเลยทีเดียว!

เพื่อลดบรรยากาศแห่งความร้อนแรงนี้ ผู้เขียนจึงจะขอเป็นเพียงผู้เล่าให้ฟัง และ เพิ่มเติมข้อมูลในบางส่วนที่น่าสนใจ โดยจะไม่เพิ่มเติมความคิดเห็นส่วนตัวลงไปนะคะ เพียงแค่เห็นว่า ตัวอย่างที่ คุณ David H Bailey นำมาเล่าให้ฟังนั้น มีความน่าสนใจ และ แปลกใหม่ไม่น้อยเลยค่ะ แถมยังได้แนะนำแหล่งข้อมูลที่เจ๋งๆ ไว้ให้ด้วย ทำใจเป็นกลาง แล้วตามอ่านดู จะเห็นว่าบทความนี้เป็นอีกบทความที่น่าสนใจจริงๆ ค่ะ

Big Data: Big buzz

พูดถึงโลกแห่ง Big Data สมัยนี้ จะรวมถึง การเก็บข้อมูล การประมวลผล และ วิเคราะห์ข้อมูลที่หลากหลายมาก รวมถึง ข้อมูลที่มีขนาดใหญ่ๆ มากๆ อย่างเช่น

  • Temperature and sunlight data (ข้อมูลอุณภูมิและแสงอาทิตย์) ที่เก็บโดยตรงจากดาวเทียม ที่คอยติดตามความเปลี่ยนแปลงของโลกจากโครงการพี่ใหญ่อย่าง NASA (Link)
  • Particle tracking data (การมูลติดตามการเคลื่อนที่ของ Particles) จากโครงการ Large Hadron Collider (Link)
  • Satellite image data (ข้อมูลรูปภาพผ่านดาวเทียม) ที่ใช้ในการค้นหา ดวงดาว และ planet หรือ วัตถุต่างๆ ในอวกาศ (Link)
  • หรือ แม้แต่ข้อมูลที่มากจาก Cosmic microwave background radiation หรือ การศึกษาเกี่ยวกับ รังสีไมโครเวฟพื้นหลังของจักรวาล (Link)

ข้อมูลต่างๆ เหล่านี้ ที่ดูเหมือนจะยิ่งใหญ่ต่อมนุษยชาติ และ ห่างไกลจากชีวิตประจำวันของเรา แต่จริงๆ แล้ว ข้อมูลเหล่านี้ได้ขยับมาอยู่ใกล้ตัวพวกเราแล้วอย่างคาดไม่ถึง เช่น การค้นหาตัวแหน่งต่างๆ ในแผนที่ที่อยู่ใน Smartphone, การใช้รูปภาพจากดาวเทียมมาช่วยในการพัฒนาการเกษตรกรรม, การขนส่ง และ การใช้งาน Credit card นี่เป็นเพียงแค่ตัวอย่างจำนวนเล็กน้อยเท่านั้น จริงๆ แล้วมันยังมีอีกมาก ที่ข้อมูลเหล่านี้ “Down-to-earth” หรือ เรียกง่ายๆ ว่า วนเวียนอยู่รอบตัวเราแล้วนั่นเอง

และ ข้อมูลใน Large scale ที่กล่าวมานี่เอง ที่ทำให้ องค์กรการเงินและการลงทุนหลายๆ ที่ ได้นำมาใช้ และ สามารถ “จับแนวโน้ม” บางอย่างทางเศรษฐกิจได้ ก่อนที่มันจะเกิดขึ้น หรือ แม้กระทั่งก่อนที่ผู้คนหรือ บริษัทที่เกี่ยวข้องจะรู้ตัวด้วยซ้ำ! บ่อยครั้งที่ข้อมูลที่ได้จากแหล่งข้อมูล Big data พวกนี้ ทำให้รู้แนวโน้มทางเศรษฐกิจได้ก่อนที่จะมีการประกาศออกมาล่วงหน้าเป็นเวลาหลายวัน หรือ แม้แต่หลายอาทิตย์ด้วยซ้ำ!

พูดกันมาเยอะแล้ว เดี๋ยวมาดูตัวอย่างจริงกันดีกว่าค่ะ ว่า Big data ที่ว่าแน่ ได้ถูกนำมาใช้จริงในงานไฟแนนซ์ยังไงกันบ้าง

Big Data in action

มาดูตัวอย่างแอพพลิเคชั่น Big data ในงาน Finance กันบ้างดีกว่า

Hayman Capital Management กับการทำกำไรจากที่จอดรถ

ปี 2015 “Hayman Capital Management” สถาบันการลุงทุนจากรัฐ Taxas สามารถทำกำไรจาก ข้อมูลรูปภาพการใช้งานที่จอดรถของร้านสะดวกซื้อ J.C Penny Stores! จากดาวเทียม เมื่อพวกเขาเห็นว่าการใช้งานที่จอดรถของร้านสะดวกซื้อแห่งนี้มีความหนาแน่นมากขึ้นจากที่เคยเป็น และ คว้านซื้อหุ้นของ J.C Penny ไว้ได้ก่อนที่ ราคาหุ้นตัวนี้จะกระโดดขึ้นมากกว่า 10% เพียงไม่นานหลังจากนั้น

มาทำกำไรจากทุ่งข้าวโพดกัน

ปี 2015 เช่นกัน ที่ investment firm มีการใช้งานข้อมูลจากดาวเทียมเพื่อการลงทุนในข้าวโพด! เมื่อมีการจับสังเกตุได้จากการวิเคราะห์ข้อมูล infrared จากดาวเทียมที่ถ่ายภาพทุ่งข้าวโพสกว่าล้านทุ่ง แล้วค้นพบว่าปริมาณข้าวโพด มีน้อยกว่าที่รัฐบาลได้ประกาศเอาไว้กว่า 2.8% และ แน่นอนอะไรที่น้อยกว่าที่คาดหมายเอาไว้ มันก็จะต้องมีราคาสูงกว่าคาดการณ์ไว้! ทำให้ Investement firm สามารถทำกำไรได้เกินความคาดหมายจากการค้นพบข้อมูลนี้นั่นเอง

นอกจากสองตัวอย่างข้างต้นแล้ว ยังมีข้อมูล Big data อีกมากมายในโลกนี้ ที่มีประโยชน์ในการลงทุน ไม่ว่าจะเป็น ข้อมูลจำนวนรถเข้าออกจากห้างสรรพสินค้า ที่ปัจจุบันแทบทุกห้างจะมีการเก็บข้อมูลจากเครื่องนับอัตโนมัติ ข้อมูลการขนส่งถ่านหิน ข้อมูลจำนวนถังเก็บน้ำมัน ข้อมูลน้ำท่วม ไปจนถึงข้อมูลจาก Social media ต่างๆ เช่น การติด tag สถานที่ต่างๆ จาก smart phones ข้อมูลต่างๆ จากโพสต์ออนไลน์ ที่ได้จาก Web scraping จำพวกข่าวสาร และ ทวิตเตอร์โพส เป็นต้น

มารู้จักผู้ให้บริการข้อมูลกันบ้าง

พูดกันถึงประโยชน์ของข้อมูลในหลายๆ รูปแบบกันมาแล้ว มาดูกลุ่มผู้ให้บริการข้อมูลกันบ้างดีกว่าค่ะ เผื่อจะเป็นประโยชน์ในอนาคต ถ้าใครมีไอเดียดีๆ จะได้พอมีแนวทางการหาข้อมูลกัน

Planet Labs

ให้บริการข้อมูลแสกนผิวโลกผ่านดาวเทียม สามารถระบุได้ว่า ต้องการข้อมูลอะไร เช่น ข้อมูลเกี่ยวการทำฟาร์มเพาะปลูก, ข้อมูลเกี่ยวกับระบบความปลอดภัยต่างๆ เช่น การตรวจจับการสร้างถนน สร้างตึกใหม่ จากทุกมุมโลก การตรวจจับการเคลื่อนไหวของกองทัพเรือ หรือ แม้กระทั่งข้อมูลแหล่งพลังงานต่างๆ เช่น น้ำมัน ถ่านหิน ก๊าซธรรมชาติ และ อื่นๆ อีกมากมาย ผู้สนใจสามารถเข้าไปทดลองใช้บริการได้ฟรี 14 วัน

Digital Globe

อีกหนึ่งบริษัทที่นอกจากจะให้บริการข้อมูลแก่บริษัททั่วไป เช่น ผู้ให้บริการโครงข่ายสื่อสาร หรือ ผู้ให้บริการด้านความปลอดภัยแล้ว ยังเป็นผู้ให้บริการข้อมูลสำคัญแก่ รัฐบาลสหรัฐอเมริกาอีกด้วย นอกจาก DigitalGlobe จะบริการข้อมูลจากการแสกนผิวโลกผ่านดาวเทียมแล้ว ยังให้บริการ Machine Learning ซอฟต์แวร์ เพื่อให้ผู้ใช้สามารถวิเคราะห์ข้อมูลแบบคร่าวๆ ได้ทันที ผู้สนใจก็สามารถเข้าไปดาวน์โหลดข้อมูลตัวอย่างดูได้ในเว็บไซต์ค่ะ

Planet IQ

ผู้ให้บริการข้อมูลผ่านดาวเทียม ที่เน้นเฉพาะด้านสภาพอากาศ เพื่อติดตามการเปลี่ยนแปลงอย่างรุนแรง และ ป้องกันความเสียหายจากภัยธรรมชาติต่าง ๆ ทางเว็บไซต์มีการให้บริการข้อมูลฟรีสำหรับงานวิจัยด้วย ผู้สนใจสามารถติดต่อไปได้ที่ info@planetiq.com ค่ะ

Orbital Insight

ผู้ให้บริการข้อมูลที่มุ่งเน้นในด้านการใช้ Solfware วิเคราะห์ข้อมูลจากดาวเทียม และ เซ็นเซอร์ในหลากหลายรูปแบบ เช่น การทำวิเคราะห์พฤติกรรมของลูกค้าผ่านการใช้งานที่จอดรถ การสร้างและการขยายตัวของโรงงานผลิต เป็นต้น โดยผู้สนใจทางเว็บไซต์ก็จะมีโปรแกรม Demo ให้ทดลองใช้ อีกทั้งยังมีการจัดทำ Blog ตัวอย่างการประยุกต์ใช้งาน และ แนะนำเทคโนโลยีต่างๆ ไว้ด้วย ที่ https://orbitalinsight.com/blog/

Descartes Labs

อีกหนึ่งกลุ่มผู้ให้บริการข้อมูล การค้นหาข้อมูล และ ให้บริการแผนที่ทั่วโลก เช่น สามารถคลิกสิ่งที่ต้องการค้นหาบนแผนที่ แล้ว Software จะทำการค้นหาสิ่งที่มีลักษณะคล้ายกันจากทั่วโลกให้ เป็นต้น บริษัทนี้เคยประสบความสำเร็จในการการเปลี่ยนแปลงของสีในทุ่งข้าวโพดเพื่อทำการทำนายผลผลิตของข้าวโพดในไตรมาสถัดไปมาแล้ว และ กำลังวางแผนต่อในการทำงานร่วมกับ Drones และ Mobile Phones สำหรับผู้ที่สนใจ ทางบริษัทก็มีการจัดทำ Software Demo เพื่อให้สามารถทดลองใช้ได้เช่นกันค่ะ

RS Metrics

ผู้ให้บริการข้อมูลผ่านดาวเทียม และ Drones ที่เน้นการให้บริการข้อมูลการขนส่ง การลงทุนในอสังหาริมทรัพย์ การผลิตโลหะต่างๆ เช่น สังกะสี อะลูมิเนียม ทองแดง เป็นต้น รวมถึงข้อมูลเกี่ยวกับการผลิตสินค้าโภคภัณฑ์ (Commodities) ต่างๆ อีกทั้งมีการให้บริการ Softwar วิเคราะห์ข้อมูลและ บทความการวิเคราะห์ข้อมูลประเภทต่างๆ และ แน่นอนว่าผู้สนใจสนสามารถทดลองใช้บริการ Free Trial ได้เช่นกันค่ะ

Spire

ผู้ให้บริการข้อมูลรายสุดท้าย เป็นผู้ให้บริการข้อมูลผ่านดาวเทียมจาก San Francisco ที่เน้นให้บริการข้อมูล การติดตาม เครื่องบิน และ เรือ เป็นหลัก รวมถึงมีการวิเคราะห์ และ ให้บริการข้อมูลสภาพอากาศร่วมด้วย ซึ่งเมื่อเร็วๆ นี้ก็เพิ่งจะมีการออกบทความใหม่ออกมาว่า ทางบริษัทกำลังจะนำเสนอโมเดลใหม่ในการพยากรณ์อากาศสำหรับการเปลี่ยนแปลงแบบ Extreme หรือ สภาพอากาศจำพวกภัยธรรมชาติต่างๆ อีกด้วย สำหรับผู้สนใจ ทางเว็บไซต์ก็จะมีให้บริการข้อมูลให้ทดลองดาวน์โหลดมาลองใช้งานกัน

Machine Learning สำคัญอย่างไร ?

แน่นอนว่าการได้มาซึ่งข้อมูลในปัจจุบัน ไม่ใช่เรื่องยากอีกต่อไปแล้ว การเข้าถึงแหล่ง Big Data มีมากมายดังที่ได้กล่าวมาแล้ว ไม่ว่าข้อมูลจะมีขนาดมหาศาล หรือ มีความละเอียดแค่ไหน เทคโนโลยีในปัจจุบันก็สามารถทำได้หมด แต่ …

เรื่องมันไม่ได้ง่ายขนาดนั้น การได้มาซึ่งดาต้า ไม่ใช่จุดสำคัญของเรื่องอีกต่อไป การดาวน์โหลดดาต้าขนาดใหญ่ ไม่ได้ช่วยอะไรในการลงทุน แต่สิ่งที่สำคัญที่สุดคือ การจัดการกับดาต้าที่ได้มา ต่างหาก ยกตัวอย่างเช่น กว่าประสบความสำเร็จในการลงทุนในข้าวโพดจากการทำนายจำนวนผลผลิตข้าวโพดนั้น ไม่ได้อาศัยเพียงแค่ดูรูปภาพของดาวเทียมของ NASA แล้วดูๆ เอาว่ามีสีเหลืองมากแค่ไหน เท่านั้น แต่มันเกิดจากการเฝ้าติดตามข้อมูลฟาร์มข้าวโพดเป็นเวลาหลายๆ ปี นอกจากนั้นยังต้องเฝ้าดูข้อมูลจากฟาร์มอื่นๆ ที่เกี่ยวข้องอีกด้วย เช่น ฟาร์มถั่วเหลือง ต้องเฝ้าดูข้อมูลการเปลี่ยนแปลงในหลายๆ แง่มุม เพื่อวิเคราะห์ความสำพันธ์ต่างๆ จนนำไปสู่การ “ทำนาย” ผลผลิตของข้าวโพด แต่ในจุดเหล่านี้เอง ที่ Machine Learning ก้าวเข้ามาเป็นพระเอกสำคัญในการทำงาน ที่จะขาดไม่ได้โดยเด็ดขาด

Big Data & Machine Learning => Future Investing

ก่อนจะจบบทความ เดี๋ยวเราจะมาดูกันหน่อยว่า สุถาการณ์ ณ ปัจจุบันของการใช้งาน Big data และ Machine Learning ในโลกของการลงทุนนั้น เป็นอย่างไรกันบ้าง

  1. การใช้งาน Big Data และ Machine Learing ที่เคยเป็นสิ่งที่เรียกว่า Inclusive หรือ ใช้กันภายใน Quantitative Hedge funds เพียงกลุ่มเล็กๆ เท่านั้น ในปัจจะบันนี้ ไม่ใช่อีกแล้ว การใช้งาน Big Data & Machine Learning ถูกใช้อย่างกว้างขวางในการบริหารจัดการการลงทุนในหลากหลายรูปแบบ เช่น ธนาคาร กองทุนรวม เป็นต้น เห็นได้ชัดเจนว่า หลากหลายองค์กรหันมาให้ความสำคัญกับเรื่องนี้เป็นอย่างมาก
  2. จำนวนเม็ดเงินในการลงทุนกัน “Alternative Data” หรือ ข้อมูลทางเลือก ดังตัวอย่างที่กล่าวข้างต้นนั้น มีมูลค่าสูงถึง 232 ล้านดอลล่าห์ ในปี 2016 และ เพิ่มขึ้นเป็น 1,100 ล้านดอลล่าห์สหรัฐในปี 2019 และคาดว่าจะสูงขึ้นอีกถึง 1,700 ล้านดอลล่าห์ในปี 2020 (ข้อมูลจาก AlternativeData.org)
  3. เม็ดเงินที่หลั่งไหลมากในส่วนของการลงทุนใน ข้อมูล, ระบบโครงสร้างในการบริหารจัดการข้อมูล และ ระบบบกันบริหารจัดการข้อมูลนั้น คาดว่าจะมีสูงมากกว่า 7,000 ดอลล่าห์สหรัฐเลยทีเดียว (ข้อมูลจาก Opimas)
  4. ข้อมูลจาก Greenwich Associate ในนำเสนอใน MarketWath กล่าวว่า ในปัจจุบัน มีสถาบันการลงทุนมากกว่า 72% ที่ได้มีการพยายามใช้ “ข้อมูลทางเลือก” หรือ “Alternative Data” ในการเพิ่มประสิทธิภาพการลงทุน และ มีสถาบันการลงทุนมากกว่า 20% ที่ประสบความสำเร็จ โดยมีการรายงานผล จากค่า “alpha” ที่เชื่อว่าเป็นผลมาจากการใช้งาน Alternative Data ถึง 20%

ข้อมูลจากสถาบันต่างๆ ข้างต้นนี้ บ่งบอกได้ว่า การใช้งาน Big Data และ Machine Learning นี้กำลังเติบโตอย่างรวดเร็วมากๆ ยิ่งการแข่งขันสูงเท่าไหร่ การพยายามใช้ Machine Learning และ การพยายามค้นหาข้อมูล Alternative Data หรือ ข้อมูลทางเลือก เพื่อที่จะเอาชนะคู่แข่ง และ อยู่รอดในตลาด ก็มีมากขึ้นตามไปด้วยค่ะ

จบแล้วนะคะ สำหรับบทความที่น่าสนใจในด้านการลงทุน ที่มีการใช้งาน Big Data ในส่วนที่เป็น Alternative data โดยการวิเคราะห์ด้วย Machine Learning อาจจะเป็นบทความที่พาดหัวแรงไปนิดนึง ซึ่งส่วนตัวผู้เขียนก็เห็นด้วยในบางจุด และ ก็มีไม่เห็นด้วยในบางจุด แต่ก็ต้องยอมรับว่าเป็นบทความที่ดี แต่เปิดมุมมองการลงทุนให้กว้างขึ้น ได้เห็นข้อมูลและการวิเคราะห์ข้อมูลเพื่อการลงทุนในรูปแบบที่ต่างออกไปค่ะ ที่สำคัญ บทความนี้ได้ให้ลิงก์แหล่งข้อมูลต่างๆ ที่น่าสนใจไว้มากมาย ที่คิดว่าจะสามารถเป็นประโยชน์ต่อผู้อ่าน และ ผู้ที่สนใจได้ ไม่มากก็น้อยค่ะ

เห็นด้วย หรือ ไม่เห็นด้วย มันก็เป็นกระแสที่เกิดขึ้นมาเรียบร้อยแล้ว อยู่ที่เราจะตอบรับกับมันอย่างไรค่ะ ดังคำโปรยของบทความที่กล่าวเอาไว้ว่า

Go with big data and machine learning, combined with other advanced quantitative technology, or leave finance to those who do

ส่วนตัวผู้เขียนเห็นว่า ไม่มีถูก ไม่มีผิดนะคะ อยู่ที่แต่ละท่านจะเลือกทางเดินที่เหมาะสมที่สุด บนเส้นทางการลงทุนของตัวท่านเองค่ะ แต่ที่สำคัญ ไม่ว่าจะเลือกทางไหน ตาและใจควรจะต้องเปิดกว้าง รับฟังความคิดเห็น เรื่องราวรอบตัว ที่อาจจะถูกจริต หรือ ไม่ถูกจริต ก็ตาม เพราะมันคือความรู้ ที่อาจจะเป็นประโยชน์ต่อตัวเราในอนาคตได้ค่ะ

ผู้อ่านท่านใดสนใจบทความต้นฉบับ ก็สามารถตามไปอ่านได้ในลิงก์ด้านล่าง

“Go with big data and machine learning, or leave finance to those who do”

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s