RavenPack

สิ่งที่ RavenPack ทำคือการแปลงข้อมูลไม่มีโครงสร้างให้เป็นข้อมูลทางการเงิน แปลงข่าว ถ้อยแถลงงานประชุมนักวิเคราะห์ เอกสารยื่นต่อหน่วยงานกำกับ และข้อมูลการจ้างงาน ให้เป็นสัญญาณเชิงปริมาณที่มีโครงสร้าง backtest ได้ และป้อนเข้าโมเดลได้ ครอบคลุมแหล่งข้อมูลมากกว่า 40,000 แห่ง 13 ภาษา ลูกค้าคือ hedge fund ธนาคาร และบริษัทจัดการสินทรัพย์ทั่วโลก

จุดเด่นของฟีเจอร์และสถานการณ์การใช้งาน

สายผลิตภัณฑ์ครอบคลุมการวิเคราะห์ข่าวและความรู้สึก ข้อมูลข่าวกรองงบการเงิน การคัดกรอง ESG และการเฝ้าติดตามข้อโต้แย้ง ดัชนีความรู้สึกทางเศรษฐกิจของผู้บริหารระดับสูง และชุดข้อมูลตำแหน่งงาน (ใช้ทิศทางการรับสมัครประเมินการขยายหรือหดตัวขององค์กร เป็นเทคนิค alternative data ที่พบบ่อย) คุณค่าของข้อมูลเหล่านี้อยู่ที่ backtest ได้ คุณเอาสัญญาณเมื่อห้าปีก่อนมาพิสูจน์กลยุทธ์ได้ ไม่ใช่แค่ดูข่าวเรียลไทม์ของวันนี้

ช่วงหลังมันยังบริหารแพลตฟอร์ม Bigdata.com ทิศทางคือเอเจนต์ AI ด้านการเงิน และได้ลิขสิทธิ์เนื้อหาการลงทุนจาก Financial Times ของอังกฤษ นำเนื้อหาแบบเสียเงินของ FT มาเป็นแหล่งความรู้ของเอเจนต์ การผสมนี้มีเหตุผล ปัญหาใหญ่ที่สุดของเอเจนต์ AI คือแหล่งอ้างอิงไม่ชัด การนำเนื้อหาสื่อคุณภาพที่มีลิขสิทธิ์มาเชื่อมโดยตรง อย่างน้อยก็แก้เรื่องความถูกกฎหมายและคุณภาพได้

กลุ่มเป้าหมายชัดเจน ทีมเชิงปริมาณที่ต้องการ alternative data กองทุนที่ทำกลยุทธ์ event-driven และบริษัทจัดการสินทรัพย์ที่ต้องเฝ้าความเสี่ยงด้านกระแสข่าวของพอร์ต

ความจริงสำหรับผู้อ่านชาวไทยคือ นี่เป็นผลิตภัณฑ์ระดับสถาบัน นักลงทุนรายบุคคลเข้าถึงไม่ได้ ราคาก็ไม่เป็นมิตร แต่แนวคิดการทำข้อมูลของมันคุ้มค่าที่จะเรียนรู้ แทนที่จะถามว่า AI คิดว่าหุ้นตัวนี้เป็นอย่างไร ให้ถามว่าข่าวชิ้นนี้ในอดีตสัมพันธ์กับปฏิกิริยาราคาแบบไหน อย่างแรกเป็นแหล่งเพาะการหลอน อย่างหลังต่างหากคือวิธีทำงานที่พิสูจน์ได้