germanyde
Quant-Research und Produktionsdaten bündeln

Quant-Research und Produktionsdaten bündeln

24-02-2020 | Einblicke

Das Research, die Entwicklung und Umsetzung erstklassiger qualitativer Anlagestrategien erfordert gute Datenquellen. Damit alle Quant Research- und Investment-Teams Zugang zu den notwendigen Daten haben, hat Robeco in den letzten Jahren erhebliche Mittel aufgewandt, um seine Datenplattform aufzuwerten. Über die entsprechenden Verbesserungen sprachen wir mit Jacob Buitelaar und Richard Groenewegen.

  • Jacob Buitelaar
    Jacob
    Buitelaar
    Co-head Portfolio Engineering & Trading Equity
  • Richard Groenewegen
    Richard
    Groenewegen
    Head of Investment Data Engineering

In aller Kürze

  • Wir bündeln quantitatives Research und Produktionsdaten an einem Ort
  • Durch Verlagerung in die Cloud können wir unsere Berechnungen skalieren
  • Wir wollen hochflexibel sein und neue Datenquellen sehr schnell ergänzen können

Was ist die zentrale Idee hinter diesen Bemühungen?

Jacob Buitelaar: „Unser Ziel ist, den quantitativen Teams von Robeco eine erstklassige Dateninfrastruktur verfügbar zu machen. Die Grundidee dabei ist, Researchergebnisse und Produktionsdaten an einem Ort zu bündeln und diese auf direkte und flexible Weise allen relevanten Stakeholdern einschließlich der Research-Experten und Portfoliomanager zugänglich zu machen.“

„Auf diese Weise können wir den zeitlichen Vorlauf bis zur Umsetzung für unsere Kunden deutlich verkürzen. Sobald wir das Research zu Anlageideen abgeschlossen haben, können wir daraus sehr schnell Produkte machen. Außerdem verbessern sich durch die zentrale Verfügbarkeit der Daten für alle Mitarbeiter die Datenqualität sowie die Effizienz und Zusammenarbeit.“

Folgen Sie uns auch auf Instagram
Folgen Sie uns auch auf Instagram
Folgen

Wenn Sie von Daten sprechen – welche Art Daten meinen Sie damit genau?

Richard Groenewegen: „Das können historische Finanzmarktdaten sein, zum Beispiel die Kurse von Assets oder Transaktionsvolumina. Es kann sich auch um Informationen in Bezug auf Nachhaltigkeit handeln oder um interne Daten zu den Positionen und Beständen unserer Fonds sowie den Transaktionskosten beispielsweise. In allen Fällen prüfen wir die Verbindung zwischen den einzelnen Daten und den zugehörigen Finanzinstrument. Es handelt sich somit um viele Detailinformationen.“

Unsere Teams haben oft großen Datenverarbeitungsbedarf und wir wollen unsere Berechnungen skalieren können

Gut. Informationen sammeln und verfügbar machen ist eine Sache. Doch sicherzustellen, dass sie auch tatsächlich genutzt werden können, ist eine andere, richtig?

R.G.: „Definitiv. Tatsächlich ist das die andere Hälfte unserer Arbeit: Wir stellen sicher, dass wir auch über die erforderliche Verarbeitungsleistung und die Systeme zur Analyse der Daten verfügen. Unsere Teams haben oft großen Datenverarbeitungsbedarf und wir wollen unsere Berechnungen skalieren können. Aus diesem Grund nutzen wir mittlerweile die Cloud, wo wir Zugang zu einigen der modernsten Systeme haben, zum Beispiel Apache Spark.“

„Die Cloud ermöglicht es einem, sein Umfeld praktisch zu klonen oder zu duplizieren. Das erleichtert die Zusammenführung von Research und Produktion auf derselben Plattform, ohne Integritätsprobleme zu riskieren. Und weil die verschiedenen Teams alle mit genau denselben Systemen und denselben Datensätzen arbeiten, ist der Übergang vom Research zum Produkt wesentlich einfacher.“

J.B.: „Insgesamt bedeutet das weit mehr, als nur miteinander verknüpfte Teams zu haben: So funktioniert der gesamte Prozess vom Anfang bis zum Ende auf präzise dieselbe Weise. Das bringt gleichermaßen Skalierbarkeit und Flexibilität mit sich. Dies wird immer wichtiger, da die uns als Input für unsere quantitativen Strategien verwendeten Datensätze immer größer und immer vielfältiger werden und häufig in weniger strukturierter Form vorliegen. Ein Beispiel dafür sind Meldungen an die US-Wertpapierbehörde oder laufende Nachrichten.“

Können Sie das anhand eines Beispiels konkretisieren?

R.G.: „Ja. Nehmen wir zum Beispiel die Umsetzung der quantitativen Allokationsstrategien von Robeco in der Cloud. Bei diesem Projekt waren vor allem zwei Aspekte relevant. Der eine war die „Front-to-Back“-Automatisierung des quantitativen Modells. Diese beginnt mit der Sammlung der Daten, den erforderlichen Checks und der Einrichtung eines Kontrollverfahrens für den Prozess. Der zweite Aspekt bestand darin, mit der neuen Technologie tatsächlich zu arbeiten und die IT-Entwicklung wesentlich näher an das Frontoffice heranzuführen.“

„Es kam also darauf an, ein Team zu haben, das sowohl im Frontoffice als auch in der IT präsent ist. Anstatt Scripts auszuführen und den gesamten Prozess zu überwachen, lassen wir nun einfach alles automatisch laufen. Dabei erfolgen Checks von Datenanomalien und es gibt Web-Dashboards, um Vertrauen in die Ergebnisse zu gewährleisten.“

„Ein anderes Projekt, an dem wir in der zweiten Hälfte des Jahres 2019 arbeiteten, war eine von Grund auf erfolgende Neuimplementierung der Datenbank für die quantitative Auswahl. Diese Datenbank sammelt aktienspezifische Informationen wie zum Beispiel historische Kurse, Transaktionsvolumina, Schätzungen der Unternehmensgewinne, Bilanzinformationen, Stimmungsindikatoren, ESG-Informationen usw. Wir haben uns intensiv darum bemüht, das Ganze flexibel zu gestalten, sodass wir neue Datenquellen sehr schnell hinzufügen können.“

J.B.: „Das ist ein sehr wichtiger Aspekt: Wir wollen eine möglichst hohe Flexibilität und wollen neue Datenquellen sehr schnell ergänzen können. Wenn beispielsweise ein Research-Mitarbeiter eine neue Datenquelle einbezogen haben möchte, wollen wir in der Lage sein, das innerhalb eines Tages umzusetzen. Außerdem soll das Ganze nicht lediglich lokal, sondern für den gesamten Research-Bereich verfügbar sein. Das erfordert eine beträchtliche Rechenleistung und modernste Technologie.“

„Insbesondere nutzen wir die Databricks-Plattform und deren Analysesystem Apache Sparks. Auf diese Weise stehen uns binnen 5 Minuten hunderte von Computern zur Verfügung, die an derselben Aufgabe arbeiten. Damit können wir flexibel auf mehrere Terabyte an Hauptspeicherkapazität zugreifen. Wir arbeiten auch eng mit Databricks zusammen, damit die Firma bei der weitere Entwicklung die speziell für unsere Zwecke erforderlichen Funktionen und die notwendige Leistungsfähigkeit angemessen berücksichtigt.“

Welche Projekte stehen dieses Jahr bei Ihnen an?

R.G.: „Wir werden unseren Fokus möglicherweise etwas zugunsten der Rechenleistung verlagern, um eine schnellere Verarbeitung großer Datensätze sowie maschinelles Lernen zu ermöglichen. Wahrscheinlich werden wir auch weitere Datenquellen ergänzen, darunter solche mit Informationen oder Einblicken unserer Fundamentalanalysten zu Nachhaltigkeitsthemen beispielsweise. Außerdem beabsichtigen wir, die Datenbank zur quantitativen Auswahl um Anleihendaten und noch detailliertere Informationen zu erweitern.“

In der Praxis verwendet Robeco Aktiensignale für Credit-Strategien und umgekehrt. Stellt das ein Problem dar?

J.B.: „Keineswegs. Stattdessen besteht einer der Hauptvorteile unserer neuen Plattform darin, dass wir alles an einem Ort bündeln, anstatt für jeden Bereich separate Infrastrukturen vorzuhalten. Da unsere Anlagestrategien assetklassen-übergreifende Signale verwenden, ist es sehr nützlich, sie alle gebündelt vorliegen zu haben. Auf diese Weise können wir verschiedene Instrumente miteinander verknüpfen und Signale aus der einen oder anderen Assetklasse verwenden.“

Welches weitere Projekt ist noch erwähnenswert?

R.G.: „Wir tragen auch zur Entwicklung eines Systems bei, das die individuelle Anpassung der Core Quant Equity-Strategien von Robeco automatisieren soll. Damit wären Kunden imstande, ein personalisiertes Portfolio zu konfigurieren, dass ihre Präferenzen in Bezug auf Risiko, Ertrag und Nachhaltigkeit in Echtzeit widerspiegelt. Damit könnten sie unterschiedliche Optionen besser gegeneinander abwägen und nachvollziehen, wie sich die Veränderung einiger Einstellungen im bisherigen Portfolio auswirken würde.“

Also wäre das ähnlich wie in der Automobilbranche, wo man sein Auto online konfigurieren und das Endergebnis direkt auf dem Bildschirm sehen kann, richtig?

R.G.: „Genau. Wir beobachten die Tendenz, dass Anleger nach Auswahl des für sie geeigneten Index nach der besten Methode suchen, diesen zu optimieren, ohne sich dabei zu weit von ihm zu entfernen, anstatt ihn lediglich passiv nachzubilden. Mit diesem Tool sehen die Kunden direkt die Auswirkungen ihrer Auswahl auf die Charakteristika ihres Portfolios.“

Logo

Disclaimer

Ich bestätige ein professioneller Kunde zu sein.

Die Informationen auf der nachfolgenden Website der Robeco Deutschland, Zweigniederlassung der Robeco Institutional Asset Management B.V., richten sich ausschließlich an professionelle Kunden im Sinne von § 67 Abs. 2 (WpHG) wie beispielsweise Versicherungen, Banken und Sparkassen. Die auf dieser Website dargestellten Informationen sind NICHT für Privatanleger bestimmt und entsprechen nicht den für Privatanleger maßgeblichen gesetzlichen Bestimmungen.

Wenn Sie kein professioneller Kunde sind, werden Sie auf die Privatkundenseite weitergeleitet.

Nicht Zustimmen