Как применяется Data Science в области финансов?

К этому казалось бы простому вопросу можно подойти более глубоко.

В области финансов анализ данных применялся задолго до того, как появился термин Data Science.

Например, 1926 год - производственная функция Кобба-Дугласа испльзовала ряды данных по Y,K,L - Y=Y(K, L). Правда, есть упоминание, что еще ранее производственную функцию построили в Германии в 1898 г.

Второй знаменитый пример - Нобелевская Марковица, вот из википедии= // Основные положения портфельной теории были сформулированы Гарри Марковицем при подготовке им докторской диссертации в 1950—1951 годах.

Рождением же портфельной теории Марковица считается опубликованная в «Финансовом журнале» в 1952 году статья «Выбор портфеля»[2]. В ней он впервые предложил математическую модель формирования оптимального портфеля и привёл методы построения портфелей при определённых условиях[3]. Основная заслуга Марковица состояла в предложении вероятностной формализации понятий «доходность» и «риск», что позволило перевести задачу выбора оптимального портфеля на формальный математический язык[4]. Надо отметить, что в годы создания теории Марковиц работал в RAND Corp., вместе с одним из основателей линейной и нелинейной оптимизации — Джорджем Данцигом и сам участвовал в решении указанных задач. Поэтому собственная теория, после необходимой формализации, хорошо ложилась в указанное русло.

Марковиц постоянно занимается усовершенствованием своей теории и в 1959 году выпускает первую посвящённую ей монографию «Выбор портфеля: эффективная диверсификация инвестиций»[5].

В 1990 году, когда Марковицу вручают Нобелевскую премию, выходит книга «Средне-дисперсионный анализ при выборе портфеля и рынка капитала»//

После второй мировой войны биржи бурно разваивались и понятно - сейчас во всех финансовых задачах пытаются применить Data Science.

Наконец, кроме биржевых постановок задач - существует невроятно большой класс задач анализа доходности торговых и производственных операций и сейчас при увеличении количества сделок - тоже применима Data Science.

Вообще говоря, несть числа этим применениям.

Возьмите любой НПЗ, где много фракций нефти и много разных продуктов. Там применяются модели линейного программирования для максимизации дохода.

Точно также можно применять эти модели для большой складской сети или сетевых магазинов.