查看: 641|回复: 0
收起左侧

[2020年] VV首席策略官Adrian Economakis:如何理解数据,算法与决策之间的关系

[复制链接]
发表于 2020-10-6 09:54 | 显示全部楼层 |阅读模式
在航运市场上取得成功是一个永无止境、纷繁复杂且充满风险的挑战。船东、投资者、贷方、租家和贸易商的决策质量深远影响了其在财务上茁壮成长或是萎靡不振的命运。

听一听VesselsValue 首席策略官Adrian Economakis如何理解数据,算法与决策之间的关系。

Adrian Economakis
VesselsValue的创始人之一,负责制定VV的国际发展战略以及全球七个办事处的运营。他目前在VV伦敦总部工作,并经常受邀在全球重要航运会议上发表演讲。
图片1.jpg

亚马逊集团首席执行官杰夫·贝佐斯(Jeff Bezos)曾公开表示:“我的目标是一天之中可以做出三个明智的决定,而且这些决定应着眼于未来,而不是当下。”

这种心态在航运市场上也被广泛应用。当然,在某些时刻,我们不得不根据眼下情况迅速做出决策。然而,历史向我们证明,航运市场上最成功的公司往往专注于做出一些高质量的决策,而这些决策可能要在几年之后才能带来收益。举一个最简单的例子,就是船东在市场受重挫、等待复苏的时期选择买船。

理论上,做出最佳决策的条件需要尽可能高质量的可用数据和相应的分析。但是数据量和市场透明度不断提高,对于许多决策过程来说是利弊参半——过多的数据和自相矛盾的信息可能导致决策者在“噪音”中与关键信号失之交臂。
图片2.jpg

然而我们坚持主张,即使原始大数据略显嘈杂,比起传统的仅依赖专家意见的决策过程也是更为行之有效的。许多时候,如果专家在某一领域中有某种既得利益,总难免会去引导决策者的想法使其做出对专家更有利的决定。当然,在助力我们的用户决策的过程中,我们并不仅仅满足于“更好”,而是追求做到“最好”。

这就是算法的用武之地。一行行精妙的代码行能够处理几乎无限量的数据,在正确的优化下,可以在噪声中找到那些关键信号,最大程度上支持我们的决策。除此之外,随着机器的自主学习领域快速发展,大数据可以快速地训练智能算法,从而建立潜在的良性自动化循环,不断提高算法的性能和洞察力来支持我们的决策。世界上许多领先的公司都认识到这一点,并积极使用算法来进行知情决策。

美国著名基金经理雷·达里奥(Ray Dalio)和他创立的桥水投资公司(Bridgewater Associates)公司就是一个很好的例子。我们期待并会在我们的工作中积极推动算法在船东、贷方、投资者、贸易商、保险公司以及其他航运市场参与者的决策过程中的应用。
图片3.jpg


算法还有许多其他好处。必须感谢Thetius公司的尼克·丘布(Nick Chubb)在他最近发表的精彩文章《为什么算法胜过专家》中指出了这一点。首先,算法没有情感。研究表明,当我们感到饥饿的时候,我们做出的所有决定——不仅仅是食物——几乎都不是最优解。

同样的,在船只买卖、租船或者融资的时候也是如此。最优秀的人才通常能够在决策过程中基本避免做出情绪化的决定,但是也难免会受到情绪的影响,尤其在市场动荡时期。

其次,当算法帮助决策者做出了一个好的或坏的决定之后,我们可以对其进行反向回溯,分析确切原因,从而保持后续算法结果的质量或者对其进行优化。这类的回溯分析在人工决策的过程中是比较难以实现的,因为决策过程中的一些思维链条被遗忘是人之常情,同时人也经常倾向于将责任归咎于他人,无法进行客观的总结分析。与纯人工决策相比,这种算法支持的决策过程的透明性就像空气一般,往往被忽视,但是至关重要。

然而对于大多数我们航运业的从业人员来说,算法应用所面临的挑战是:如要有效地使用算法,我们必须从日复一日的思维中抽身,将目光投向未来。为了更好的从算法中获益,我们必须投入时间来理解算法以及投入金钱从公司内外的专门人员处将算法引进日常工作。这就像在市场低谷期购船一样,在当下存在一定的时间投入和风险,但会在未来获得巨大收益。下面的卡通插画体现了类似的思想。

图片4.jpg

(No thanks!: 不用了,多谢;
We’re too busy managing the crisis:现在的烂摊子已经够忙了)

在文章的最后,我想举一个简单的算法示例,以及该算法所展示的出乎意料, 但可能大有裨益的见解。这里我们要展示的是我们自主的贸易代码,使用自动识别系统(AIS)、地理信息系统(GIS)和行为分析,我们可以确定船只何时装载或卸载货物、载货状态或空载航行以及相关的货量海里等信息,实时数据涵盖全球船队。

在分析好望角型干散货船船队(约1680艘活跃船只)的每日货量海里时,我们看到货量海里与标普500指数(股票市场的通用指标)之间存在着明显的关联性。


图片5.jpg

在新冠疫情的影响开始凸显之前, 这一关联性还比较弱;2020年1月开始增强,到了7月再次减弱。可见,如果在疫情高峰期间使用算法来支持投资决策,可能会在经济上获得回报。我们在今年4月曾发表了相关报告,如今我们更新了数据并重新审视这一关联性的维持情况,结果如上图所示。

来源:VesselsValue

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|关于我们(mail@imarine.cn)|免责条款|沪公网安备 31011502001506号|龙de船人 ( 沪ICP备11048848号-1 )

GMT+8, 2020-10-27 11:44

Powered by Imarine

Copyright © 2006-2020, 龙de船人

快速回复 返回顶部 返回列表