Si on retient la définition habituelle du concept "Big Data" – l'exploitation d'importants volumes de données, structurées et non structurées, en temps réel – le domaine du trading algorithmique semble être un cas d'application parfait. Pourtant, les différences de "culture" entre les habitués des modèles financiers et les adeptes de "Big Data" ont maintenu une barrière infranchissable entre les deux mondes. Jusqu'à maintenant.
Face à l'explosion continue du volume de données à traiter, combinée à la complexité croissante des modèles mathématiques utilisés, les technologies traditionnellement adoptées dans le trading algorithmique et/ou à haute fréquence commencent à atteindre leurs limites. Les experts se trouvent donc plus ou moins contraints de se tourner vers des solutions émergentes, telles que Hadoop et MapReduce (fers de lance du mouvement "Big Data"), qui ont déjà fait leurs preuves sur les problématiques de performance et de volumétrie auxquelles ils sont confrontés.
Mais, si ces produits sont adaptés à leurs exigences techniques fondamentales, ils amènent aussi avec eux des pratiques de développement qui sont totalement étrangères aux concepteurs d'algorithmes de trading, habitués à des outils de traitement statistique tels que R ou Matlab. Pour faciliter la transition, BigCalc, une startup créée par des anciens de l'informatique financière, leur propose donc "simplement" d'adapter ces habitudes aux nouveaux systèmes.
Concrètement, les utilisateurs continueront à développer leurs modèles mathématiques en langage R, avec l'environnement qu'ils connaissent déjà. Une fois compilés par BigCalc, avec toutes les optimisations que permet sa spécialisation exclusive sur les fonctions de trading, ils seront ensuite exécutés sur une infrastructure "Big Data" (interne à l'institution financière ou sur le "cloud" de la startup), automatiquement parallélisés et capables d'une montée en charge transparente sur des volumes de données extrêmes.
Malgré tous les maux dont est accablé le trading algorithmique et/ou à haute fréquence, rien n'indique qu'il soit sur le déclin. Au contraire, la demande reste extrêmement forte pour des solutions permettant d'accélérer les traitements ou de développer des modèles plus efficaces. L'utilisation des technologies "Big Data" pour ce faire est une évolution logique. BigCalc rend celle-ci relativement facile et devrait donc permettre de franchir encore une étape dans le secteur, en repoussant les limites techniques actuelles...
Face à l'explosion continue du volume de données à traiter, combinée à la complexité croissante des modèles mathématiques utilisés, les technologies traditionnellement adoptées dans le trading algorithmique et/ou à haute fréquence commencent à atteindre leurs limites. Les experts se trouvent donc plus ou moins contraints de se tourner vers des solutions émergentes, telles que Hadoop et MapReduce (fers de lance du mouvement "Big Data"), qui ont déjà fait leurs preuves sur les problématiques de performance et de volumétrie auxquelles ils sont confrontés.
Mais, si ces produits sont adaptés à leurs exigences techniques fondamentales, ils amènent aussi avec eux des pratiques de développement qui sont totalement étrangères aux concepteurs d'algorithmes de trading, habitués à des outils de traitement statistique tels que R ou Matlab. Pour faciliter la transition, BigCalc, une startup créée par des anciens de l'informatique financière, leur propose donc "simplement" d'adapter ces habitudes aux nouveaux systèmes.
Concrètement, les utilisateurs continueront à développer leurs modèles mathématiques en langage R, avec l'environnement qu'ils connaissent déjà. Une fois compilés par BigCalc, avec toutes les optimisations que permet sa spécialisation exclusive sur les fonctions de trading, ils seront ensuite exécutés sur une infrastructure "Big Data" (interne à l'institution financière ou sur le "cloud" de la startup), automatiquement parallélisés et capables d'une montée en charge transparente sur des volumes de données extrêmes.
Malgré tous les maux dont est accablé le trading algorithmique et/ou à haute fréquence, rien n'indique qu'il soit sur le déclin. Au contraire, la demande reste extrêmement forte pour des solutions permettant d'accélérer les traitements ou de développer des modèles plus efficaces. L'utilisation des technologies "Big Data" pour ce faire est une évolution logique. BigCalc rend celle-ci relativement facile et devrait donc permettre de franchir encore une étape dans le secteur, en repoussant les limites techniques actuelles...
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)