Bloomberg（彭博社）的一个分析师团队着手开发一个用于构建和探索机器学习模型的新系统BQuant，它是一种基于Python的环境，专用于帮助金融专业人士更有效的处理数据。 昨天，它推出了BQuant Enterprise，它将数据科学笔记本环境扩展到新的高度。
数据科学对于Bloomberg来说并不是什么新鲜事，它在其广受欢迎的Bloomberg终端系统中嵌入高级统计功能已有一段时间，但BQuant发展背后的故事略有不同。
追溯到2013年彭博的Quant Research，该团队的任务是为客户产品孵化新想法、解决客户问题，并普遍推动定量分析的界限。
“我们达到了可以用 MATLAB能做的极限”，Quant Research负责人 Bruno Dupire在彭博博文中说。 “我们意识到我们拥有构建自己丰富的计算环境的工具和知识，可用于同时探索多个维度的财务分析。”
Quant Research聘请了彭博桌面构建团队的人员，使用彭博桌面API为彭博客户构建自定义机器学习模型。 这个小组正在寻找工具来加速开发并避免重写样板代码。 他们最终敲定了一系列新工具，包括称为彭博查询语言 (BQL) 的数据查询语言、称为bqplot的D3.js可视化库的彭博特定扩展、特定于金融的库以及与 Python 和 .NET 的绑定 。
BQuant Enterprise 为彭博基于 Python 的数据科学笔记本环境带来了分布式处理能力
研究人员早在 2014 年就看到了 Python 墙上的文字，并将 BQuant 与开源 iPython 小组挂钩，后者最终成为 Jupyter。除了能够在这个数据科学笔记本中编写和测试 Python 代码之外，BQuant 产品还使用户能够访问彭博的综合金融数据。
多年来，BQuant 的桌面版本在交易者中取得了成功，特别是在涉及因子模型评估、回测策略和跨资产类别的投资组合分析等定量练习时。由于能够利用彭博不断增长的金融数据领域，包括替代数据和地理空间数据，这种受欢迎程度有所提高。
随着本周 BQuant Enterprise 的推出，Bloomberg 赋予了量化工具更大的规模。 Bloomberg 在 Kubernetes 容器中运行 BQuant Enteprise，这使其能够根据可用云资源的需要进行扩展和缩减。它还与 Apache Spark 集成，这为产品提供了处理真正大数据集的并行处理能力。
“通过使用分布式计算，用户可以在一个安全的集群上过夜运行任务，以解决远远超出桌面能力的问题，”布隆伯格说。 “此外，BQuant Enterprise 可以从客户自己的数据集或他们从第三方获取的数据集获取数据。”
除了将这些框架和库打包到基于云的产品中，BQuant Enterprise 还帮助客户监控用户活动，从而更好地监督对运营至关重要的数据工作流。
“利用云的力量，我们为客户提供了一个交钥匙环境，让他们可以连接到现有系统，带来自己的数据，将其与彭博的综合数据集混合，并在测试和部署新的量化投资策略，”彭博首席技术官肖恩爱德华兹在彭博新闻稿中表示。
托管发行已经向 Thornburg Investment Management 支付了股息，这是一家管理着 490 亿美元资产的独立投资公司。据 Thornburg 的投资组合分析经理 Igor Kuznetsov 称，该公司构建了自己的基于 Web 的数据科学应用程序，但无法获取彭博数据。
“在选择 BQuant Enterprise 之后，我们能够绕过库兹涅佐夫的这些限制，”彭博社的新闻稿中说。 “我的团队可以立即访问范围广泛的标准化数据；花更少的时间来操作它；应用额外的回测功能；并且比以前更快地产生更多的想法。”
来自：datanai，由数据分析网编译整理
英文原文：https://www.datanami.com/2021/09/30/bloomberg-releases-its-inner-quant-as-enterprise-cloud-service/
本文由 数据分析网 编辑发布，内容观点不代表本站立场，转载或内容合作请联系我们，本文链接：https://www.afenxi.com/107422.html 。
