Refinitiv的一项研究发现，冠状病毒大流行对基于量化模型的投资方式造成了沉重打击，大多数使用这种策略的公司都受到了负面影响。
金融数据提供商Refinitiv在一份报告中表示，72%的此类投资者受到了疫情的伤害。大约12%的人宣称他们的模型已经过时，15%的人正在建造新的模型。
机器学习是指使用基于历史数据的复杂数学模型和算法，以便在没有明确编程的情况下进行预测。
虽然这种机器驱动的模型在过去取得了成功，因为不同资产类别之间的历史相关性保持不变，但随着这种联系的破裂，它们在疫情大流行之后受到了影响。
这些量化模型在2020年也受到了影响，因为用于生成交易信号的算法的输入量和复杂性近年来激增。
“新冠肺炎展示了许多市场动态的巨大转变，许多机构将不得不重新审视它们拥有的大部分模型，以使它们能够应对极端的市场事件。”Refinitiv实验室全球负责人阿曼达·韦斯特(Amanda West)说。
大多数受访者表示，未来两年数据策略领域的主要重点将是从数据中获取更多价值并加快处理速度。该研究发现，企业数据科学团队的平均规模从2018年的2.7个增至2020年的7.1个，增长了两倍多。
这项调查是在2020年6月29日至8月14日期间，通过对不同金融服务公司的高管和数据科学从业者进行的423次电话采访进行的。
机器学习长期以来一直是资金雄厚的对冲基金的支柱，这些基金将复杂的算法策略与金融数据相结合，在市场上押注。
但是冠状病毒大流行加快了金融业对新技术的采用，尽管缺乏高质量的数据将是未来几年企业之间的主要区别因素。
仅使用非结构化数据的公司数量从2018年的2%飙升至2020年的17%，而只有3%的受访公司表示他们不使用替代数据源，而2018年这一比例为30%。
Refinitiv的韦斯特说：“那些建立了谨慎的数据治理过程的人在这个游戏中比那些没有建立的人更有可能成功，因为在机器建模的世界里，垃圾进来就是垃圾出去。”
