Epätavallisessa ja erittäin nopeasti kehittyvässä tilanteessa, kuten vuoden alussa havaitun koronaviruksen tapauksessa, selvän kuvan saaminen voi vaikuttaa mahdottomalta.
Tällaisina aikoina virallisten väylien kautta saatava tieto tulee hitaasti ja on täynnä hälyä, minkä vuoksi sijoittajien on vaikeaa muodostaa selvää kokonaiskuvaa tilanteesta. Näin arvioi Jeff Shen, joka on yksi BlackRockin Systematic Active Equity -tiimin (SAE) vetäjistä.
”Epävarmuuden lisääntyessä monet yritykset ovat samaan aikaan poistaneet sijoittajaohjauksensa, mikä tekee yritysten ja toimialojen analysoinnista entistäkin haastavampaa”, Shen arvioi.
Tässä tilanteessa vaihtoehtoisen datan ja analyysityökalujen merkitys korostuu uusien talous- ja markkinatrendien tunnistamisessa.
Mitä on tämä vaihtoehtoinen data? Vaihtoehtoinen tai big data on fyysistä, strukturoimatonta tietoa tai ei-taloudellista dataa, jota saadaan jokapäiväisestä elämästämme esimerkiksi älypuhelimista tai kodin älylaitteista.
Shen uskoo, että kun tietoa kootaan ja analysoidaan oikealla tavalla, vaihtoehtoinen data voi tuottaa arvokasta näkemystä maan, toimialan tai yrityksen tulevaisuuden näkymistä.
Shen kertoo, että BlackRockin Systematic Active Equity -tiimi (SAE) on käyttänyt vaihtoehtoisen datan eri muotoja jo yli kymmenen vuoden ajan.
”Jotkin tiedon lähteet ovat osoittautuneet tänä vuonna erityisen arvokkaiksi varsinkin oikeassa kontekstissa analysoituna.”
Sijoitusympäristön arviointi koronakriisissä
Shen tarkastelee kolmea esimerkkiä ja kertoo, miten ne ovat auttaneet arvioimaan makrotaloudellista ja sijoitusympäristöä koronapandemian aikana.
1. Kävijämäärät
Ostoskeskusten kävijämäärät olivat Shenin mukaan yksi ensimmäisistä big data -mittareista, joita sijoittajat ryhtyivät käyttämään. Mittarin merkitys on vähentynyt vähitellen, kun merkittävä osa ostamisesta on siirtynyt verkkoon.
”Verkko-ostaminen on yleistynyt entisestään, kun liikkeitä on suljettu koronaviruksen takia. Kävijämäärien analysointi on kuitenkin noussut nyt tärkeäksi uusilla tavoilla. Erilaiset käytännöt sosiaalisen kanssakäymisen vähentämiseksi ovat johtaneet aktiivisuuden suureen hajontaan eri maissa”, Shen toteaa.
Kävijämäärien vertaaminen eri kohteissa on antanut nopeasti tietoa taloudellisesta aktiivisuudesta eri maissa ja toimialoilla, Shen kertoo.
Esimerkiksi toukokuun lopun lukemat osoittivat, että liikkuminen Kiinassa oli noussut yli kahteen kolmasosaan normaalista maalis–huhtikuussa aloitetun talouden avaamisen jälkeen.
2. Luonnollisen kielen käsittely
Tekstien luonnollisen kielen käsittely (natural language processing, NLP) on osoittanut hyödylliseksi tavaksi kerätä analyytikkojen näkemyksiä. Useat analyytikot ovat päivittäneet tulosennusteitaan suhteellisen hitaasti vuoden ensimmäisellä neljänneksellä, Shen toteaa.
Shenin mukaan tämä on ymmärrettävää ja vastaa finanssikriisin tilannetta 2008–2009, sillä numeeriset ennusteet ovat vaikeita, kun virheiden mahdollisuus on maailman tilanteen takia suuri. Vaikka numeerinen ennuste päivittyisi hitaasti, raporttien kielen analysointi auttaa rakentamaan kattavampaa kuvaa sijoitusmaisemasta.
NLP on auttanut myös saamaan finanssipolitiikan kehittymisestä varhaista tietoa, sillä sen avulla BlackRock on voinut jäsentää analyytikoiden kieltä ja saada käsityksen politiikan kehityssuunnista eri maissa.
”Kallistumme sitten kevennystä suosiviin maihin päin, kuten Yhdysvaltoihin”, Shen toteaa.
Alla oleva kaavio näyttää finanssipolitiikan muutoksen suuruuden tuhansista analyytikkoraporteista koostettujen mielialamittareiden perusteella.
3. Työpaikkailmoitukset
Rekrytoinnin kehitys Shenin mukaan voi kertoa tärkeää tietoa sekä toimialojen että yritysten kasvunäkymistä.
”Koronakriisin aikana olemme laajentaneet työpaikkailmoitusten seurantaamme kehittyville markkinoille, joilla datan vähäinen saatavuus normaalisti vähentäisi sen informatiivisuutta. Muutoksen nykyvauhti on aiheuttanut sen, että kapeammatkin mittaukset ovat osoittautuneet hyödyllisiksi mahdollisten voittajien ja häviäjien löytämisessä. Olemme myös pystyneet tunnistamaan yrityksiä, jotka etsivät etätöiden tekemistä tukevia ja yleensä digitalisoitumista nopeuttavia taitoja. Ensimmäisenä liikkeellä olevat saattavat viedä markkinaosuutta kilpailijoiltaan.”
Big datasta merkityksellisiin näkemyksiin
”Tänä vuonna ja jo aiemmin olemme nähneet vaihtoehtoisen datan käyttäjinä, että erilaiset näkemykset luovat lisäarvoa eri aikoina”, Shen kertoo.
Jotkut toimivat paremmin tulostiedottamisen aikaan, toiset taas kokoavat hitaasti kehittyviä trendejä, joiden toteutumiseen menee useita kuukausia. Shenin mukaan big dataa on testattu sijoituspäätösten ajoittamiseenkin.
”Olemme tehneet kokeita ajoituksella, mutta huomanneet, että sijoituspäätösten tekemisessä on tehokkainta hyödyntää erilaisia ja toisistaan eroavia näkemyksiä.”
Shen muistuttaa, että kaikissa vaihtoehtoisen datan lähteissä on vikoja, joten tavoitteena on kehittyminen, ei täydellisyyden saavuttaminen.
”Kokemus on osoittanut, että useiden datajoukkojen käyttäminen auttaa paljastamaan ristiriitoja ja poikkeamia mahdollisten trendien lisäksi. Näin voimme saada tilannekuvan jo ennen kuin se näkyy virallisessa datassa. Tällainen etulyöntiasema voi olla ratkaiseva, kun maailma, mahdollisuudet ja riskit muuttuvat nopeassa tahdissa”, Shen toteaa.
