Our services in the selected location:
  • No services available for your region.
Select Location:
Remember my selection
Il browser è obsoleto. Presenta problemi di sicurezza noti e può non visualizzare tutte le funzionalità di questo e altri siti Web

Il potere dei Big Data

Il potere dei Big Data

Cosa sono i Big Data e perché sono importanti?

Big Data è un termine utilizzato per descrivere insiemi enormi di dati che possono essere analizzati usando tecnologie avanzate per rivelare modelli, trend e collegamenti. I Big Data cambiano il modo in cui facciamo acquisti, mangiamo, facciamo networking, ma anche come investiamo, perché stanno trasformando le società, i settori e l’economia in generale. Tramite l'utilizzo della tecnologia e dei dati a supporto di un'analisi di investimento all’avanguardia, i Portafogli Goldman Sachs CORE® Equity adottano un’allocazione disciplinata di tecniche quantitative per catturare sia gli aspetti fondamentali che comportamentali alla base dei rendimenti azionari delle società.

Uno sguardo ravvicinato ai Portafogli GS CORE Equity con Gary Chropuvka


  

3 domande per…


Gary Chropuvka, Co-Head del team Quantitative Investment Strategies di GSAM

 

Quanto sono importanti 
i trend e la loro evoluzione per gli investimenti
quantitativi?
+

La gestione attiva è da sempre collegata alla generazione di un vantaggio informativo e alla capacità di anticipare i trend in evoluzione più  velocemente rispetto al mercato. La crescita esponenziale dei dati, per esempio, è molto importante; ha effetti su molti aspetti delle nostre vite quotidiane, mentre i rapidi progressi della tecnologia ci permettono di andare oltre ai confini della gestione patrimoniale tradizionale.

Quale sarà il prossimo importante trend che inciderà sui Portafogli GS CORE® Equity?
+

In passato, potevamo usare i computer solo per analizzare degli insiemi di dati facilmente quantificabili e organizzati come i numeri in un foglio di calcolo. Oggi, le nuove tecnologie ci consentono per la prima volta di analizzare dati non strutturati, come il linguaggio e le immagini. Avendo a disposizione nuove fonti di dati, continuiamo a ricercare nuove idee di investimento per migliorare il nostro processo.

I computer sostituiranno i gestori di portafoglio umani nel futuro?
+

No, riteniamo che la tecnologia e i dati siano strumenti per migliorare il processo decisionale dei nostri gestori di portafoglio. Prima di agire in base alle informazioni generate dai nostri modelli quantitativi, i nostri gestori rivedono ogni operazione e posizione, con la possibilità di intervenire durante alcuni periodi di tensione per ridurre o contenere il rischio.

I Big Data stanno rivoluzionando tutti i settori

Le società in grado di sfruttare i Big Data riescono a distinguersi dai concorrenti e a creare valore per gli investitori.

Cosa accade online in 60 secondi?


Clicca sugli elementi qui sotto e scopri di più!

dataCreation

A soli fini illustrativi. Tutto ciò che riguarda l’investimento implica rischio, compresa la possibilità di perdere denaro. Fonte: Statista, Dicembre 31, 2017

  

Com'era prima e com'è adesso


sectors

1Fonte: Bain. 

Da un’idea a un investimento

Usiamo i dati e la tecnologia per migliorare la nostra conoscenza, esperienza e il nostro giudizio, cercando di tradurre una quantità di dati virtualmente infinita, sia tradizionali che non tradizionali, in idee di investimento realizzabili.

Valutare le società per i nostri portafogli


Secondo il nostro team di investimento dei Portafogli CORE® Equity ci sono varie caratteristiche che determinano la performance azionaria di una società.

 

Goldman Sachs Equity Insights Funds

Qualità

Identifichiamo società di alta qualità, gestite in maniera efficiente

Valutazioni

Identifichiamo disallineamenti tra prezzi e fondamentali

Sentiment

Analizziamo il sentiment

Temi e tendenze

Scopriamo nuovi temi e tendenze

 

 

Il nostro processo di investimento basato sui dati si fonda su una ricerca ampia e rigorosa, una selezione dei titoli ripetibile e una forte attenzione al rischio.

 

consistentMethodology

11 Fonte: GSAM. A soli fini illustrativi. Al 31 dicembre 2017.

Approfondimenti correlati