A adoção de técnicas quantitativas e de Inteligência Artificial – Aprendizado de Máquina (IA-ML), juntamente com o crescimento das estratégias sistemáticas, tornou os dados de pesquisa de investimentos especialmente importantes para as empresas que buscam aplicar métodos matemáticos, estatísticos e computacionais avançados para analisar grandes volumes de dados e desenvolver modelos, especialmente no setor financeiro. Com o aumento dessas estratégias, a Bloomberg entrevistou mais de 150 profissionais de alto desempenho, analistas de pesquisa e cientistas de dados em uma pesquisa realizada durante uma série global de workshops com clientes para entender as principais tendências e desafios na pesquisa de investimentos.
A cobertura de dados, a pontualidade e os problemas de qualidade com dados históricos foram apontados como os principais desafios da indústria, com quase dois quintos (37%) dos entrevistados selecionando essa opção. Em seguida, foram destacados a normalização e o tratamento de dados de múltiplos fornecedores (26%) e a identificação de quais conjuntos de dados avaliar e pesquisar (15%).
Em linha com esses desafios, a pesquisa da Bloomberg constatou que 72% dos entrevistados conseguem avaliar apenas três ou menos conjuntos de dados por vez, apesar da necessidade das equipes de quants e de pesquisa de utilizar continuamente mais dados geradores de alfa na atual avalanche de informações. Os resultados também mostram que o tempo típico para avaliar um único conjunto de dados é de um mês ou mais para mais da metade dos entrevistados (65%).
As empresas ainda estão tentando definir a estratégia ideal para gerenciar dados de pesquisa diante desses obstáculos. Cerca de 50% dos entrevistados relataram gerenciar os dados de forma centralizada com soluções proprietárias, enquanto apenas 8% optam por terceirizar para fornecedores externos. Além disso, mais de seis em cada dez entrevistados (62%) preferem que seus dados de pesquisa estejam disponíveis na nuvem. Notavelmente, 35% dos entrevistados também gostariam que seus dados estivessem disponíveis por métodos de acesso mais tradicionais, como REST API, on-premise e SFTP, indicando preferência por flexibilidade na escolha dos canais de entrega.
"Com base em conversas detalhadas com nossos clientes de pesquisa, é evidente o interesse por novos conjuntos de dados ortogonais, além da necessidade de utilizar dados 'prontos para IA'. A jornada desde a origem dos dados até a extração de alfa é desafiadora, sendo a ingestão contínua, limpeza, modelagem e testes dos dados particularmente complicados", afirmou Angana Jacob, chefe global de dados de pesquisa da Bloomberg Enterprise Data. "Por isso, a Bloomberg está comprometida em expandir sua suíte de produtos de dados de pesquisa de investimentos multiativos, direcionada para pesquisas quantitativas e quantamentais, estratégias sistemáticas e fluxos de trabalho de IA. Nossos conjuntos de dados, com acesso modelado via Python API, permitem que os clientes reduzam o tempo para alcançar alfa por meio de granularidade profunda, histórico ponto-a-ponto, ampla cobertura e interoperabilidade com dados tradicionais de referência e precificação."
As mais recentes adições à suíte de Dados de Pesquisa de Investimentos da Bloomberg incluem os seguintes produtos de Dados de Pesquisa de Empresas:
Indicadores-chave de desempenho e estimativas específicas da indústria: O produto de Indicadores-chave de Desempenho e Estimativas Específicas da Indústria da Bloomberg fornece dados ponto-a-ponto sobre mais de 1.200 indicadores únicos para um amplo universo de empresas, permitindo uma pesquisa aprofundada por setor e indústria. Os dados também estão disponíveis por segurança, oferecendo aos clientes a flexibilidade de universos personalizados.
Precificação de ações ponto-a-ponto: O produto de Precificação de Ações Ponto-a-Ponto da Bloomberg fornece preços compostos diários, ponto-a-ponto, com dados mestre de segurança para o universo global de empresas públicas.
Os clientes podem vincular esses conjuntos de dados a outros produtos de Dados de Pesquisa de Empresas da Bloomberg para criar gráficos de conhecimento sobre empresas e indústrias, permitindo a descoberta e extração de alfa.
Para visualizar os resultados completos da pesquisa, clique aqui.
