Paper Review: Pemanfaatan Big Data dalam Bidang Keuangan

oleh Anne Devia, Elfrida B.A Siahaan, Rahmi Fadillah Busyra, Septio Rahman Putra

Editor: Amalia Zahra, S.Kom., Ph.D.

Revolusi Big Data

Perkembangan data di era digital telah mengalami perkembangan yang sangat besar. International Data Corporation memperkirakan bahwa lebih banyak data yang dihasilkan setiap dua hari di dunia daripada yang dihasilkan dibanding awal waktu hingga tahun 2003. Sektor keuangan merupakan salah satu sektor yang sedang mengalami perkembangan di era Big Data. Definisi konvensional Big Data mencakup 3V (Volume, Velocity, dan Variety), namun hal tersebut tidak sepenuhnya menggambarkan peluang dan tantangan yang dihasilkan revolusi Big Data dalam penelitian akademis dan praktik keuangan.

Definisi “Big Data”

Definisi big data dalam bidang teknologi berbeda dengan definisi pada bidang keuangan. Dalam bidang teknologi dan statistik, peneliti fokus pada teknik data mining, sedangkan dalam bidang keuangan menggunakan berbagai pendekatan untuk mengidentifikasi masalah dalam bidang ekonomi.

Karakteristik big data dalam bidang keuangan

1. Ukuran data yang besar: Kumpulan data yang sangat besar dapat bersifat absolut atau relatif. Dengan kata lain, ukuran dan kuantitas data besar, data transaksi pasar seperti itu, benar-benar sangat besar.

2. Berdimensi tinggi: Istilah ‘Big Data’ menyiratkan lebih dari sekedar sejumlah data yang besar. Fitur ini berarti bahwa big data memiliki banyak variabel relatif terhadap ukuran sampel. Machine learning merupakan solusi umum untuk tantangan terkait dimensi, dan makin banyak digunakan di bidang penelitian finance.

3. Struktur yang kompleks: Fitur ini berarti bahwa data tidak selalu memiliki format baris dan kolom tradisional. Struktur dari big data sangat kompleks dan bahkan tidak terstruktur (unstructured data) meliputi teks, gambar, video, audio, dan suara. Data tidak terstruktur ini menciptakan nilai jika dapat mengukur aktivitas ekonomi yang tidak bisa didapatkan menggunakan data terstruktur (structured data).

Arah penelitian big data

1. Pembelajaran Mesin

Penggunaan komputer untuk membuat keputusan keuangan adalah salah satu penggunaan pembelajaran mesin. Studi pembelajaran mesin skala besar yang berkaitan dengan estimasi harga aset biasanya menggunakan data CSRP triwulanan yang diperoleh melalui formulir 13F. Kesenjangan antara pembelajaran frekuensi tinggi tentang pedagang dan pelatihan jangka panjang yang lebih mendalam dapat dipersempit melalui pengembangan penelitian baru.

2. Efek umpan balik dari revolusi ‘Big Data’

Di ranah big data, salah satu pergeseran revolusioner terjadi ketika komputer mengambil peran sebagai pengambil keputusan (decision maker). Adopsi pembelajaran mesin yang meluas di komunitas investasi dan efek umpan balik yang dihasilkan pada pasar sekuritas dan pengambilan keputusan perusahaan menunjukkan bahwa bisnis harus beradaptasi dengan revolusi big data. Selanjutnya, bagaimana bisnis dapat memanfaatkan revolusi yang dibawa oleh big data sambil membuat keputusan nyata. Misalnya, munculnya big data telah mengurangi kebutuhan manajer untuk mempelajari harga pasar, karena bisnis sekarang memiliki akses ke sumber data yang lebih beragam (semakin manfaatkan mesin).

3. Dampak heterogen dari revolusi big data

Meskipun tidak selalu memiliki dampak positif, big data memberikan banyak pengetahuan tambahan kepada investor, institusi, dan bisnis. Penelitian menunjukkan bahwa media sosial dapat menyebarkan euforia pasar. Karena arbiter sering berdagang dengan arah yang berlawanan dengan pedagang biasa, perubahan arah tekanan harga oleh pedagang biasa terkadang bisa berbalik arah dengan cepat.

4. Data yang lebih kompleks

Analisis kumpulan big data, seperti perdagangan dan kutipan harga, adalah langkah pertama dalam penerapan teknik big data ke sektor keuangan. Satu studi baru-baru ini memungkinkan peneliti untuk menggunakan Natural Language Processing (NLP) untuk mengekstrak data dari sumber tidak terstruktur seperti teks. Selanjutnya, peneliti dapat menganalisis data dari struktur yang lebih kompleks seperti audio, video, dan grafik dengan harapan informasi ini dapat menghasilkan wawasan baru. Para ahli di bidang keuangan dapat memperoleh wawasan dari kumpulan data yang lebih kompleks jika mereka mampu mengukur aktivitas ekonomi yang sebelumnya tidak mungkin dapat ditangkap dengan data yang lebih sederhana.

5. Regulasi

Ketika komputer menjadi kebutuhan di banyak bidang, keuangan adalah salah satunya, menjadi penting untuk mengevaluasi apakah aturan yang sebelumnya dirancang dalam konteks manusia perlu disesuaikan dengan konteks mesin. Bagaimana peraturan yang disusun beberapa dekade lalu perlu diperbarui untuk mencerminkan realitas hari ini.

6. Teori

Pada era pembelajaran mesin dan kecerdasan buatan, teori menjadi lebih penting karena alasan sederhana: penilaian manusia tidak konsisten, tetapi mesin cenderung membuat keputusan berbasis model yang konsisten. Teori model yang dikembangkan dapat menghasilkan prediksi kuantitatif (angka) untuk likuiditas pasar, seperti jumlah pemecahan harga saham. Hal ini dapat terjadi karena penyedia layanan aset cair menggunakan algoritma untuk membuat keputusan, dan algoritma ini dapat memiliki desain yang identik dengan model teoritis yang digunakan dalam penelitian.

1. Kolaborasi interdisipliner

Penelitian Big Data pada bidang keuangan di masa depan mungkin memerlukan sarjana interdisipliner. Kolaborasi ini dapat memperluas tools penelitian untuk mengatasi masalah Big Data.

Penggunaan super komputer dapat membantu peneliti menangani masalah skala besar. NSF’s Extreme Science and Engineering Discovery Environment Project (XSEDE) menyediakan komputasi dan bantuan profesional secara gratis untuk mengelola dan menyimpan Big Data. Pada tahun 2018, NBER memberikan rekaman video pembelajaran ekonomi dan keuangan yang dibagian secara gratis.

Kolaborasi dengan peneliti di bidang matematika, statistik dan ilmu komputer dapat membantu mengatasi tantangan data berdimensi tinggi dan struktur data yang kompleks. NLP, speech recognition dan computer vision memungkinkan peneliti untuk mengurai teks, vokal, dan data visual. Peneliti juga dapat menggunakan Big Data dan strategi AI J.P Morgan untuk menemukan alternatif data foto satelit, pengukuran sentimen, dan penggunaan kartu kredit.

Referensi: Goldstein, I., Spatt, C. S., & Ye, M. (2021). Big Data in Finance. The Review of Financial Studies, 34(7), 3213–3225. https://doi.org/10.1093/rfs/hhab038