تجارت کالا به آینده برمی گردد

ترکیبی از عدم اطمینان سیاسی بی سابقه ، جنگ های تجاری و فن آوری های به سرعت در حال تحول ، بازارهای کالایی را تقریباً به همان اندازه غیرقابل پیش بینی در طول بحران مالی ساخت. اما احتمال تکرار سودآورترین سال صنعت تا به امروز از راه دور است.

وقایع قو سیاه و خاکستری منجر به سنبله های متناوب در نوسانات خواهد شد. اما اینها فقط از فرسایش بی امان در حاشیه معاملاتی که از سال 2014 آغاز شده است ، تسکین موقت را فراهم می کند. در واقع ، ما تخمین می زنیم که حاشیه ها احتمالاً حداقل 15 درصد دیگر در طی 5 سال آینده کاهش می یابد زیرا بازارهای کالایی با ثبات تر و شفاف تر و شفاف تر می شوند. شدیدتر می شود(به نمایشگاه 1. مراجعه کنید)

این محیط cutthroat بازیکنانی را که همچنان از تاکتیک های گذشته پیروی می کنند ، با سرمایه گذاری در تجزیه و تحلیل های پیش بینی پیشرفته برای توسعه هوش دیجیتال اختصاصی ، دنبال می کند. از آنجا که میزان داده های دیجیتالی جدید موجود در حال افزایش است ، بازیکنان برتر به ریشه های خود باز می گردند و بیشتر به توسعه مزایای اطلاعاتی که از طریق آنها می توانند سود خود را افزایش دهند ، اعتماد می کنند. معامله گرانی که برای پشتیبانی از این تجزیه و تحلیل ها مدل عملیاتی را توسعه می دهند ، موفق و رشد می کنند ، در حالی که بازیکنان کوچکتر که نمی توانند در قابلیت های دیجیتالی جدید سرمایه گذاری کنند ، مجبور به عقب نشینی خواهند شد.

سقوط حاشیه تجارت کالا

علائم لرزش چشمگیر آینده که ناشی از فشار حاشیه تجارت کالا است در حال حاضر در دست است. حاشیه معاملات بیش از 20 درصد از اوج اخیر آنها در سال 2015 کاهش یافته است.

این سقوط حاشیه معاملاتی با بالغ تر ، پایدار و مایع تر ، بازارهای کالایی ادامه خواهد یافت. طی یک دهه گذشته ، حجم قراردادهای کالایی تقریباً سه برابر شد و ارزش قراردادهای معامله شده بر روی سیستم عامل های الکترونیکی استاندارد دو برابر شد. داده های بازار کالاها نیز به طور فزاینده ای در دسترس است و به طور گسترده توزیع می شود ، زیرا تعداد بیشتری از بازیکنان اطلاعات را می فروشند و خدمات را به معامله گران کالا ارائه می دهند. این منابع جدید از داده ها به معامله گران کالا اجازه می دهد تا وقایعی را که بر استراتژی های معاملاتی آنها تأثیر می گذارد ، تخمین بزنند ، از جمله اینکه کالاها به یک مقصد خاص می رسند و هنگامی که انبارهای محلی زیاد یا پایین خواهند بود.

ترکیبی از افزایش شفافیت و گلوت در تقریباً در هر کالایی باید نوسانات را در باند نسبتاً تنگ که از سال 2012 محدود شده است ، حفظ کند. (به نمایشگاه 2. مراجعه کنید.)

این بدان معنی است که حاشیه همچنان از معامله گران دور خواهد شد. تولید کنندگان عمده کالاها و مصرف کنندگان مانند شرکت های ملی نفتی و معدنچیان حق بیمه بالاتری را پرداخت می کنند و با گسترش دسترسی جهانی خود و شرکت کنندگان در بازار پیشرفته ، حاشیه بیشتری را کسب می کنند. به طور همزمان ، ارائه دهندگان خدمات زیرساخت فیزیکی و سیستم عامل های جدید آنلاین بر نقش های سنتی معامله گران تأثیر می گذارد. این بازیکنان با از بین بردن تنگناها برای تصحیح عدم تعادل عرضه و اتصال بیشتر تولید کنندگان و مصرف کنندگان کالا ، معامله گران را کمتر ضروری می کنند.

نمایشگاه 1: کاهش حاشیه معاملات کالا

منبع: داده ها و تجزیه و تحلیل های اختصاصی الیور وایمن

نمایشگاه 2: نوسانات قیمت حداقل کالا

منبع: رویترز ، آنالیز الیور وایمن

بنابراین معامله گران مجبور می شوند با افزایش بیشتر مقیاس خود ، بیشتر و بیشتر انجام دهند تا لبه ای کسب کنند. بازیکنان برتر برای محافظت از مواضع خود ، دارایی های کالاهای چند میلیاردنی را در دست می گیرند و اوراق بهادار گسترده خود را به دست می آورند. معامله گران با اندازه متوسط در حال خاموش کردن مشاغل بدون محوطه هستند. بسیاری از معامله گران کوچک به طور کامل از تجارت تجارت کالا خارج می شوند.

اطلاعات دیجیتالی اختصاصی

اما مهمترین محرک این لرزش ، سرمایه گذاری غول های معاملاتی در تجزیه و تحلیل پیش بینی کننده است که مزایای اطلاعات قابل توجهی را برای آنها فراهم می کند.

معامله گران کالاهای بزرگ بار دیگر اطلاعات اختصاصی را بسیار مهم می دانند. هنگامی که شرکت های بازرگانی کالا همانطور که امروز آنها را می شناسیم ، برای اولین بار در دهه 1970 و 1980 تأسیس شد ، معامله گران برتر در درجه اول به اطلاعات ممتاز متکی بودند تا از همسالان خود بهتر عمل کنند. اخیراً ، بازیکنان سعی کرده اند با تمرکز بر روشهایی که فناوری های پیشرفته می توانند کارایی خود را در درجه اول از طریق اتوماسیون بهبود بخشند ، لبه کسب کنند.

اکنون ، معامله گران کالا به آینده برمی گردند. به جای تکیه بر شبکه های اطلاعاتی سنتی گسترده برای به دست آوردن مزایای داده های اختصاصی ، معامله گران که به اندازه کافی بزرگ برای سرمایه گذاری در سیستم های پیشرفته و تیم های اختصاصی مورد نیاز برای رقابت هستند ، بر نحوه استفاده از تجزیه و تحلیل پیش بینی کننده برای جلب بینش های ارزشمند اختصاصی از منابع داده مشترک متمرکز هستند.(به نمایشگاه 3. مراجعه کنید)

نمایشگاه 3: افزایش اهمیت اطلاعات اختصاصی تجارت کالا

منبع: آنالیز الیور ویمن

هوش اختصاصی امروز از ترکیبی از منابع داده گسترده تری مانند سنسورها ، ماهواره های جغرافیایی و حتی رسانه های اجتماعی از طریق الگوریتم های پیشرفته که توسط دانشمندان داده ایجاد شده اند ، بدست می آید. این الگوریتم ها بر روی سخت افزار با قدرت پردازش از نظر ظاهری بیشتر اجرا می شوند ، تا به سرعت ترجمه و تفسیر حجم عظیمی از داده ها را ترجمه و تفسیر کنند ، و معامله گران را قادر می سازد تا نماهای منحصر به فرد بازار را تدوین کنند. سپس ، نتایج در سراسر پرتفوی گسترده تجارت جهانی بنگاه های بزرگ تجاری کسب می شود. حجم معاملات بزرگ برای اطمینان از بازده از تجزیه و تحلیل پیشرفته ضروری است. بدون آنها ، معامله گران نمی توانند ارزش کافی برای تأمین هزینه های توسعه خود ایجاد کنند.

هرچه بازارهای کالایی مایع تر و در دسترس تر می شوند ، معامله گران کالاها بیشتر و بیشتر به تجارت الگوریتمی متکی هستند و تجزیه و تحلیل پیش بینی کننده جفت را با اجرای تجارت رباتیک انجام می دهند. معامله گران در حال بهبود توانایی خود در محافظت و حدس و گمان با تهیه کدی هستند که با کمال تر تجارت را شناسایی می کنند و آنها را در مجموعه گسترده تری از ابزارهای قابل معامله اجرا می کنند.

اما این رویکرد دیجیتالی جدید برای توسعه اطلاعات اختصاصی نیاز به تجدید نظر در مدل های عملیاتی معامله گران دارد. معامله گران کالا باید مایل باشند و بتوانند آزمایش کنند تا در دنیای جدید و در حال تحول تجزیه و تحلیل پیش بینی کننده باشند. در زمانی که حاشیه معاملات نازک است ، معامله گران برتر اغلب برای کشف دو یا سه استراتژی تجاری جدید جدید باید میلیون ها دلار در چندین برنامه آزمایشی بزرگ سرمایه گذاری کنند. غالباً مشخص نیست که آیا روابط پیش بینی شده بین فیدهای داده و قیمت کالاها در واقع وجود دارد. و حتی اگر این کار را انجام دهند ، مسلم نیست که حجم داده ها برای پیش بینی های معنی دار کافی است. به عنوان مثال ، تجزیه و تحلیل تصاویر ماهواره ای جهانی برای شناسایی دقیق جریان روزانه کالاها ، با توجه به فرکانس استفاده از تصاویر ، بسیار دشوار است. بسته به بازار خاص ، این سیگنال ها اغلب در مقایسه با احساسات فقط در هنگام پیش بینی در افق مورد علاقه ، نسبتاً محدود هستند.

به طور گسترده تر ، معامله گران کالا باید روشهای جدیدی را برای کار در آغوش بگیرند. توسعه تجزیه و تحلیل پیش بینی کننده Topnrotch اغلب نیاز به راه اندازی تیم های علوم داده به گونه ای دارد که بتوانند متفاوت از سازمان های تجاری سنتی کالایی کار کنند ، در حالی که عمیقاً مرتبط هستند. بنابراین معامله گران کالا در حال ایجاد انکوباتور ، ورود به سرمایه گذاری های مشترک و مشارکت های اعتصابی با مشاوره و دانشگاه هستند. در بعضی موارد ، آنها حتی پیشگامانه ای هستند که می توانند در خارج از فعالیت های تجاری و فروش خود ، از اطلاعات اختصاصی درآمد کسب کنند.

به طور همزمان ، تیم های موجود از معامله گران ، تحلیلگران کمی و توسعه دهندگان باید با کمال تر کار کنند تا از مزایای اطلاعات کوتاه شده استفاده کنند. تاکنون معامله گران و تحلیلگران کمی معیارهای کلیدی را برای استراتژی های معاملاتی مشخص کرده و سپس از توسعه دهندگان خواسته اند تا ابزارهای پیش بینی را طی یک دوره از هفته یا ماه ارائه دهند.

حرکت به جلو ، به جای گذراندن زمان برای تبدیل صفحات گسترده به کد ، دانشمندان و داده ها باید همزمان با کد کار کنند و از دریاچه های داده مشترک ترسیم کنند تا بینش را به خلبانان و اثبات مفاهیم برای استراتژی های معاملاتی تبدیل کنند. برای پیش بینی رفتار بازار ، آنها باید از تکنیک های تجزیه و تحلیل پیش بینی کننده استفاده کنند ، از تجزیه و تحلیل عاملی واحد گرفته تا تکنیک های پیچیده تر مانند شبکه های عصبی حلقوی. و تحلیلگران کمی باید با تکنیک های علوم داده ، ابزارها و روشهای کار بیشتر آشنا شوند.

هرچه بازارهای کالایی مایع تر و در دسترس تر می شوند ، معامله گران کالاها بیشتر و بیشتر به تجارت الگوریتمی متکی هستند ، تجزیه و تحلیل پیش بینی کننده جفت با اجرای تجارت رباتیک

شکاف استعداد دیجیتال

معامله گران کالا همچنین باید روشهای جدیدی برای جذب و حفظ استعداد در یک محل کار دیجیتالی پیدا کنند. معامله گران کمی که از نظر تجاری محور است ، ده ها سال در سازمان های تجارت کالا کار کرده اند. اما برای به دست آوردن یک رقابت رقابتی ، معامله گران کالا به طور فزاینده ای علاوه بر تیم های کوانتین معمول خود به دانشمندان داده نیز نیاز دارند تا فیدهای داده های دیجیتالی بسیار پیچیده تر و متنوع تر را به استراتژی های معاملاتی تبدیل کنند.

چالش این است که دانشمندان داده های اختصاصی در سطح جهانی تقاضای زیادی دارند. به طور کلی ، این حل کننده های مشکل داده های دیجیتال ترجیح می دهند به جای معامله گران کالا ، برای غول های معتبر فناوری و صندوق های پرچین پردرآمد کار کنند. بنابراین معامله گران کالا برای جذب دانشمندان داده در درجه اول با جالب توجه آنها در راه حل های دیجیتالی پیشگام به مشکلات پیچیده به ظاهر غیرممکن ، باید استراتژی های استخدام خود را مجدداً ارزیابی کنند. پس از آن ، معامله گران کالا باید اطمینان حاصل کنند که برای حفظ علاقه خود ، جریان مداوم چنین چالش هایی وجود دارد.

بازرگانان کالایی همچنین باید سازمان های خود را بازسازی کنند تا تخصص دانشمندان داده خود به طور گسترده گسترش یابد. به عنوان مثال ، معامله گران کالا باید تیم های اصلی دانشمندان کاملاً داده را در آزمایشگاه های داده راه اندازی کنند تا سخت ترین چالش های خود را برطرف کرده و به آنها توانمندسازی کنند تا در صورت لزوم استعدادهای تکمیلی خارجی را به وجود آورند. با این حال ، این تیم به اندازه بازرگانان و تحلیلگران از نظر تجاری هدایت نمی شود. در نتیجه ، به منظور تبدیل راه حل های نظری به سود عملی ، معامله گران همچنین به یک "نیمکت" عمیق از Quants با تخصص تجارت کالا نیاز دارند که به زبان و کاربرد علوم داده برای همکاری با آنها و توسط یک تیم اصلی هدایت می شوند. دانشمندان داده

به همان اندازه که بانک ها ، موسسات حقوقی و مشاوره استخدام و آموزش ژنرالیست ها ، معامله گران برای توانایی های خام خود کوانت ها را استخدام می کنند و سپس آنها را به وظیفه ای اختصاص می دهند که بیشترین استعداد را نشان می دهند

این Quants با استفاده از علوم داده باید برای کار در توسعه یا کسب درآمد از تجزیه و تحلیل برش با دانشمندان داده مستقر شوند.

به همان اندازه که بانک ها ، موسسات حقوقی و مشاوره استخدام و آموزش ژنرالیست ، معامله گران برای توانایی های خام خود استخدام می کنند و سپس آنها را به وظیفه ای اختصاص می دهند که بیشترین استعداد را نشان می دهند. اهمیت روزافزون این کورهای عمومی نیاز به تغییر فرهنگی برای شرکتهای بازرگانی دارد که باید آنها را در سطح ورودی استخدام کند و نیمکت آنها بخشی از چرخش های استاندارد فارغ التحصیلان تازه استخدام شده در کالج باشد.

اعضای تیم اصلی دانشمندان داده نیز باید از طریق بخش های مختلف سازمان منتقل شوند تا بتوانند با گروه بزرگتر تحلیلگران و بازرگانان کمی برتر ارتباط برقرار کنند. آنها سپس می توانند دیگران را که تازه شروع به کار می کنند ، از آنچه که در نهایت به یک تغییر گسترده تر برای صنعت تبدیل می شوند ، راهنمایی کنند ، از توسعه تجزیه و تحلیل در صفحات گسترده گرفته تا کار کردن در کد. هنگامی که این اتفاق بیفتد ، تحلیلگران با قابلیت های برنامه نویسی قادر خواهند بود برای بهبود استراتژی های معامله گران در سراسر هیئت مدیره ، راه حل های انتزاعی و استفاده مجدد کنند و یا حتی خود را به دفتر جلو منتقل کنند و در پشت مدل های خود تجارت کنند.

نمایشگاه 4: چشم انداز جدید تجارت کالا

بازگشت اهمیت اطلاعات بازار اختصاصی ، همه معامله گران کالا را وادار به اتخاذ استراتژی های جدید می کند

منبع: آنالیز الیور ویمن

بازگشت به هسته

فقط بزرگترین معامله گران در حال حاضر می توانند در تجزیه و تحلیل پیش بینی سرمایه گذاری کنند ، زیرا آنها به تنهایی مقیاس کسب درآمد سودآوری و سرمایه را برای سرمایه گذاری در سیستم های پیشرفته و تیم های اختصاصی دارند. این امر به آنها نسبت به معامله گران کوچکتر می دهد و منجر به تمرکز بیشتر در بازیکنان اصلی می شود. حداقل تا زمانی که هزینه تجزیه و تحلیل پیشرفته کاهش یابد ، تحکیم تسریع می شود. بازرگانان برتر با بهره گیری از تجزیه و تحلیل پیش بینی کننده ، سهم حتی بیشتری از سود این صنعت را به دست می آورند ، در حالی که سایر بازیکنان را وادار می کنند حتی بیشتر روی مزایای اصلی رقابتی خود تمرکز کنند.(به نمایشگاه 4. مراجعه کنید)

برای رقابت ، تولید کنندگان کالا ، شرکت های ملی نفت ، مصرف کنندگان کالاهای بزرگ و معامله گران متوسط نیاز به ارزیابی مجدد نقاط قوت خود و سرمایه گذاری در آنها دارند. آنها باید حتماً از نظر دسترسی به دارایی ها ، جریان های سهام ، داده های اختصاصی ، قابلیت های تجارت طاقچه یا مدل های تجاری متمایز ، مزایایی را که در اختیار دارند بهینه کنند. تجزیه و تحلیل پیشرفته حتی ممکن است بازیکنان با مقیاس کافی در طاقچه خود را برای تقویت و دفاع از موقعیت خود فراهم کند. با این حال ، برای انجام این کار ، بسیاری ممکن است برای دستیابی به مقیاس کافی برای کسب درآمد از مزیت خود ، نیاز به ورود به سرمایه گذاری های مشترک یا مشارکت داشته باشند. در عین حال ، این معامله گران باید به کاهش هزینه ها و بررسی مدل های عملیاتی و تجاری که به آنها یک صدای بزرگ بزرگتر را برای باک می دهد ، ادامه دهند.

این بدان معناست که بازیکنان متوسط باید برای دستیابی به اوراق بهادار بزرگتر و اتوماسیون عملکردهای پشتی ، مشاغل غیرقانونی ، اتحادهای اعتصاب کنند. با تکیه بیشتر به روبات ها برای انجام کارهای اساسی مانند آشتی دادن داده ها و blockchain برای مدیریت مبادلات مدارک بین المللی ، برخی از معامله گران کالا هزینه های خود را تا 30 درصد کاهش داده اند. اما از چند سال گذشته مشخص است که ، مانند سایر صنایع ، معامله گران کالا نمی توانند هزینه موفقیت خود را کاهش دهند.

مسیر به جلو

در عوض ، معامله گران باید حداکثر رساندن پتانسیل از مزایای اطلاعات را در اولویت اصلی خود قرار دهند. قبلاً قابلیت های دیجیتالی غیرقابل تصور تعیین می کند که در دراز مدت رهبران این صنعت چه کسی خواهد بود.< Pan> این بدان معناست که بازیکنان متوسط باید مشاغل بدون محوطه را ریخته ، برای دسترسی به اوراق بهادار بزرگتر و اتوماسیون عملکردهای پشتی ، اتحادهای اعتصاب کنند. با تکیه بیشتر به روبات ها برای انجام کارهای اساسی مانند آشتی دادن داده ها و blockchain برای مدیریت مبادلات مدارک بین المللی ، برخی از معامله گران کالا هزینه های خود را تا 30 درصد کاهش داده اند. اما از چند سال گذشته مشخص است که ، مانند سایر صنایع ، معامله گران کالا نمی توانند هزینه موفقیت خود را کاهش دهند.