¿Por qué los analistas en Wall Street usan Excel?

Como mencionó el usuario de Quora, solo hay que rastrear alrededor de 10K compañías. Esa es una cantidad que se puede manejar muy fácilmente en Excel.

Aunque no soy analista y nunca he visto cuánto analizan realmente los analistas de datos, agregaré que soy un inversor / comerciante macro orientado. Utilizo Excel para rastrear numerosos datos relacionados con cada empresa en el S&P 500, junto con cada industria y sector, sin mencionar todo el índice en su conjunto. Soy un ávido usuario de Excel, por lo que ya hay bastante sesgo de mi parte. La interfaz de usuario para Excel es tan ridículamente fácil de usar para cualquier persona que sea remotamente competente con Excel que es difícil imaginar por qué alguien querría usar cualquier otra cosa con el fin de rastrear las existencias. Es aún más fácil de usar para aquellos que dominan las fórmulas disponibles. Incluso aquellos que no son competentes pueden ocasionalmente abrirse camino a través del asistente de fórmulas para manejar numerosos procesos. La facilidad con la que puedo expandir mis registros con nuevas columnas, hojas de trabajo, etc. para darme respuestas a las preguntas que me dan los datos existentes difícilmente se puede superar. No estoy familiarizado con los programas a los que te refieres, pero solo puedo imaginarme preguntándome si me gustaría sus interfaces de usuario, si pueden proporcionarme exactamente el tipo de información que estoy buscando o si me obligan ver cosas que no me interesa ver, y mucho menos tener que pagar por dicho software o tener que esperar a que se publiquen las actualizaciones y espero que incluyan adiciones o eliminaciones que quiero o no quiero. ¿Con qué frecuencia ha encontrado aplicaciones, ya sea en PC, teléfono inteligente, etc. que tenían una interfaz de usuario que le gustó, solo para descubrir que una actualización cambió las cosas de una manera que no le gustó?

Con Excel, casi cualquier cosa se puede agregar fácilmente ya que aún no tengo. También puedo ocultar fácilmente la información que necesito, pero no quiero verla. Puedo usar filtros para mostrar solo información específica o excluir otra información cuando deseo analizar cierta información en busca de detalles ocultos. Agregar nuevas columnas u hojas de trabajo para datos adicionales también es muy sencillo. Si una nueva columna usa fórmulas, todo lo que se necesita es configurar la fórmula de la primera fila, luego hacer doble clic en copiar o arrastrar y copiar el cuadrado negro en la esquina inferior derecha de la celda para llenar rápidamente todo el conjunto de datos. Intente hacerlo en el acceso torpe, no fácil de usar o en un programa separado. Apuesto a que mi actualización puede completarse en menos tiempo del que necesita un codificador experimentado para escribir la misma fórmula y usar un ciclo “for … if” o “if … then”, probarlo y ponerlo en práctica.

Además, Excel se integra muy fácilmente con todos los demás productos de Microsoft Office. No conozco muchos tipos de escalones superiores en ninguna industria que no use Microsoft Office. Es fácil importar / exportar datos entre Excel y Access o Excel y PowerPoint.

Hay dos preguntas que debemos hacer aquí:

a) ¿Son capaces la mayoría de los analistas de Wall Street de codificar una solución más rápido en Python o MatLab en lugar de hacer algo en Excel?

b) ¿La mayoría de los problemas financieros requieren una solución programática?

Tengo un título de CS de Stanford, así que cuando llegué a GS en 2006, tenía la misma pregunta que tú. Y esto es lo que me di cuenta.

# 1 La mayoría de los analistas de Wall Street no son programadores.

La mayoría de ellos provienen de entornos que no son CS y tenían una exposición limitada a las clases de programación. Por lo tanto, existe una tremenda barrera mental para que puedan programar una solución que usar una herramienta basada en GUI como Excel.

# 2 La mayoría de los programas financieros son programas de “microdatos” que se ajustan fácilmente en Excel.

A menos que se encuentre en un fondo de inversión cuantitativo en el que necesite realizar una prueba de respaldo y optimizar un billón de estrategias, probablemente no se encargará de conjuntos de datos que superen las 200.000 filas.

Piénsalo. Hay <10,000 tickers en los EE. UU. Y para cualquier compañía, quizás haya 500 ~ indicadores y métricas que valga la pena mirar.

Entonces, si su trabajo es crear un modelo de ingresos básico para una industria específica o una canasta, probablemente no tendrá que lidiar con más de 50,000 filas de datos.

No solo eso, todos los datos están limpios y estructurados, por lo que no es necesario realizar una combinación de datos compleja.

Por lo tanto, elimina las necesidades de 1) gran almacenamiento y 2) mezcla de datos, y elimina las principales razones por las cuales alguien debería sentirse obligado a programar en Python versus Excel.

Si te gustó mi escritura, sígueme para publicaciones financieras más detalladas.

Bueno, esta es una buena pregunta.

Mis observaciones hasta ahora

* Las habilidades de Excell se pueden mejorar gradualmente y los usuarios a menudo no usan fórmulas complicadas en Excel, por lo que la GUI ayuda.

* Mover datos a través de la suite de Office está bien optimizado. Se puede comenzar desde una base de datos masiva usando datos de Access / SQL / PowerPivot o VLookup, agregarlos, hacer algunos gráficos y elementos visuales, pegar los resultados en PowerPoint y enviarlos usando Outlook. Para el usuario promedio, esto es lo que se requiere para un informe diario. Python complicaría demasiado unir múltiples fuentes de datos, representando los datos en formato tabular y exportándolos a otras aplicaciones de forma formateada.

* Las plataformas Bloomberg / Reuters tienen complementos para Excel que permiten consultar datos.

* Desplazarse hacia adelante y hacia atrás y la creación de contenido interactivo facilitará enormemente la configuración de nuevos informes o la exploración de datos.

¿Por qué no usar Excel si hace el trabajo?

Utilizo Excel para analizar opciones porque muestra convenientemente toda la información y el análisis intermedio. Los cálculos requeridos se realizan fácilmente en Excel.

Por otro lado, cuando estoy haciendo algún proyecto que requiere un nuevo código, me gusta escribir mi propio código en lugar de usar procedimientos enlatados. Lo he estado haciendo por más de cincuenta años. Por ejemplo, he escrito mi propio código para implementar la FFT, varias veces. He tenido más de doscientos ingenieros de software trabajando para mí, pero para mis propios proyectos, siempre me gusta escribir mi propio código. Todavía estoy aprendiendo nuevos idiomas.

Aun así, uso Excel para el análisis de opciones. Por qué no? Es el resultado lo que cuenta.

Tiene aún más sentido en una empresa que hace software analítico para usuarios que quieran entrar en detalles del análisis, pero que no conocen Python. Excel será familiar para casi todos los usuarios.

Solo dijo que Excel es el “status quo”. Es posible que se necesiten algunas aplicaciones en Python, o incluso lenguajes menos conocidos.

Si está desarrollando aplicaciones para las que necesita el poder de Python, entonces podría ser razonable usarlo para esas aplicaciones. Sin embargo, incluso si su aplicación Python es una aplicación llave en mano, es posible que desee interactuar con Excel para proporcionar a los usuarios una interfaz de usuario familiar.

Si está haciendo algo que es muy computacionalmente intensivo, como el aprendizaje profundo, entonces debería estar haciendo un procesamiento paralelo usando GPU y programa en CUDA.

Use la herramienta de programación más simple que se ajuste a la tarea.

Parece haber una creencia ingenua por parte de las personas que saben programar que todos saben programar. Este no es el caso, a pesar de que muchos programadores creen que es así.

Los bancos no contratan analistas financieros para sus habilidades de programación. De hecho, ninguna de las docenas de analistas financieros que conozco es programadora. Sus antecedentes e intereses educativos son simplemente diferentes, y Excel es, como otros han mencionado, una herramienta más que adecuada para los requisitos de su trabajo.

Dicho esto, uno podría argumentar que muchas de las cosas que hacen los analistas financieros podrían hacerse más eficientes en Python, o lo que sea, pero, una vez más, los bancos no contratan analistas financieros para ser programadores. Sus gerentes no sabrían lo primero sobre programación o por qué el análisis de datos en Python es mejor que Excel, etc.

Python puede ser útil para algunos tipos de inversión (por ejemplo, cuantitativa, macro, invertir en productos estructurados), pero diría que no es para la mayoría. Excel es lo suficientemente flexible, fácil de usar pero proporciona la potencia necesaria para la mayoría de los tipos de análisis.

• El análisis fundamental en realidad no requiere el gran procesamiento de conjuntos de datos o cálculos avanzados con los que la programación puede ayudar. Cada compañía es única y muchas requieren técnicas idiosincrásicas para proyectar correctamente sus ganancias futuras.

• Básicamente, solo tiene que presentar los datos financieros actuales e históricos relevantes, y utilizar una investigación exhaustiva obtenida de una variedad de fuentes de datos (llamadas de redes de expertos, llamadas de gestión, métricas de la industria como SAAR de ventas en la misma tienda o ventas de automóviles, conversaciones con otros analistas, etc.) sobre factores cuantitativos y cualitativos para ayudar a pronosticar.
• Para cada empresa, es probable que tenga sus propios análisis y cálculos sobre los controladores clave, pero esto es más un arte y no es replicable en todas las industrias (también conocido como usar la programación aquí sería excesivo).

Los desarrolladores con mejores habilidades en uno o algunos lenguajes de programación a menudo se preguntan por qué el negocio o algunas soluciones existentes no usan las tecnologías con las que están más familiarizados. Sin embargo, esto debería ser sobre qué herramienta se ajusta mejor a los requisitos y el entorno en lugar de en qué herramientas es bueno un desarrollador en particular. No olvidemos que siempre hay alguien que es mejor en la solución de tecnología elegida o alternativa. Se preguntarían por qué es Python o MatLab en lugar de Excel o Matcad si su tecnología familiar no hubiera sido elegida.

Piénsalo de esta manera. La herramienta tecnológica es un medio para un fin. No es el objetivo en sí.

Me gusta sobresalir Se hace el trabajo. Sin embargo, en algunas aplicaciones, lo que se pierde no son las habilidades de programación, sino en general la necesidad de manejar la fuerza bruta de los datos usando R y Octave u otros. Wall Street confía mucho en esto sin saberlo, tendría sentido que más ponga estas herramientas en el escritorio. Sin embargo, en lo que respecta a Excel, la aplicación no tiene nada de malo. Es un anuncio versátil que es exactamente lo que necesita para muchos cálculos financieros e incluso flujos de trabajo. He trabajado con equipos que desarrollan otras herramientas o productos gigantes que esencialmente no brindan la flexibilidad para la unidad bancaria que está involucrada en el comercio / cobertura / incluso reconciliaciones.

Esto es especialmente cierto cuando recupera la capacidad de agregar botones pintorescos y bucles simples para mejorar su excelencia y deshacerse del exceso de equipaje en los equipos de TI.

1. Todos tienen Excel instalado en sus escritorios

2. Puedes empezar a correr

3. Es increíblemente poderoso: después de todo, es un lenguaje de programación totalmente funcional y reactivo integrado en una GUI

4. Es extensible a través de VBA (horneado) o complementos que pueden escribirse en C, .NET (a través de Excel-DNA), Python (a través de PyXLL), etc. y proporcionan una puerta de entrada de prácticamente cualquier cosa (principalmente datos) Sobresalir

Excel también se usa en los mostradores de efectivo de muchas cadenas de ropa decentes para encontrar el precio OTC de un artículo dados esquemas de descuento e impuestos ligeramente complejos.

No se requiere (y es poco probable) que estos tipos sean buenos programadores, pero el punto es que, por varias razones, una herramienta o lógica más utilizada, contribuye a marcos simples para que las personas hagan las cosas y obtengan los rendimientos que esperan, sin disminuir la velocidad abajo como la escala de operaciones.

Por una razón, simplifica la comunicación de la información y la lógica involucradas a la mayoría de las personas que podrían ser útiles.

Aparentemente, es importante para el funcionamiento de una organización (con las debidas excepciones circunstanciales), más que demostrar una herramienta, habilidad o lógica más inteligente.

A partir de esta abstracción, el mismo razonamiento debería funcionar para las organizaciones en cuestión.

Dicho esto, estoy de acuerdo en que las hojas de Excel son un agujero negro de la ciencia de datos.

Todas estas son respuestas interesantes, pero todas están muy centradas en CS. La mayoría de los fondos cuantiosos grandes contratan equipos de desarrolladores / ingenieros de software para construir sus sistemas e incluso los “chicos de la idea” tienen que tener experiencia en programación. Si habla de analistas en bancos de inversión o fondos que realizan algún nivel de trabajo fundamental, la respuesta es mucho más práctica por naturaleza.

Los analistas pasan una cantidad increíble de tiempo leyendo 10Q y 10K para descubrir qué está pasando en una empresa. Hay una gran cantidad de datos en las notas al pie de estas declaraciones estándar. Los elementos que se consolidan se describen con más detalle. Muy buenos analistas revisan Qs y Ks con un peine de dientes finos y ajustan cada declaración para los elementos operativos y no operativos, cargos únicos, etc. Eso no es algo que se haga fácilmente mediante programación. En mi propia experiencia, me viene a la mente un ejemplo. Estaba ajustando las finanzas para una compañía de software y buscando un artículo que no funcionaba. Fue un ajuste por única vez relacionado con un plan de pensiones para empleados jubilados. La compañía había cambiado los pagos a cambio de la reducción de alguna contribución continua y tomó un cargo único (esto fue hace unos 10 años, por lo que no puedo recordar una situación específica). El punto es menos sobre el ajuste y más sobre el hecho de que encontré el número después de trabajar a través de 3 notas al pie diferentes. La complejidad de la lógica que se requeriría para obtener ese nivel de precisión mediante programación no es trivial.

La respuesta a su pregunta es doble y ambas respuestas son muy simples: dinero o propósito. Por el lado de la compra, los fondos cuantitativos invierten una increíble cantidad de recursos en tener la razón “en promedio”, el tamaño de la posición y la gestión de riesgos. Los fondos fundamentales invierten una cantidad increíble de recursos en tener la razón “lo más cerca posible todo el tiempo”. Si eres analista en este último tipo de fondo, tu compensación se basa en tu alfa. Al final del día, descifrar el historial financiero de una empresa y vincularlo a su punto de vista del futuro en función de un mosaico de datos puede ser la diferencia entre los bajos $ xxx, 000 y $ x, xxx, 000 de compensación. Si está en una tienda del lado de la venta, en particular cuando está enfocado en una transacción o un discurso específico, asegurarse de que tiene todos los datos correctos y que las finanzas se reflejan adecuadamente realmente importa. Estás presentando a un CEO / CFO en una transacción y obviamente conocen a su compañía mejor que tú. La venta es más sobre estrategia / visión, pero la base cuantitativa debe ser del 200% en el punto.

Nadie ha mencionado el diseño simple de la forma de pensar de las filas y columnas visuales de Excel. puede ser tan simple (fórmulas, tablas dinámicas) o complicado (vba, complementos) como desee. Este diseño también ha funcionado con éxito para Tableau, que también ha utilizado el diseño simple de filas / columnas en su producto. Los analistas quieren esto. No está restringido a Wall Street.

Otra razón por la que puedo pensar por qué Excel se usa mucho es construir escenarios de “qué pasaría si” para la gestión de riesgos. Esta característica no suele destacarse en algunas de las opciones de software alternativas.

¿Porque es muy bueno manejando cálculos financieros? Lo más probable es que se instale en todas las computadoras de forma habitual (con la mayoría, si no todas, de Office Suite). Ese es su propósito principal. Los asuntos que requieren programación involucrada no son manejados rutinariamente por personas financieras (ya que eso no es una parte seria de su capacitación)

Uno solo puede esperar que no confíen en él para un trabajo estadístico serio, es horrible por eso.

¿Acabas de ser contratado como desarrollador en una empresa que fabrica software de análisis para asignadores y fondos de cobertura y te sorprendió que la gente usara Excel? Esto es como sorprenderse al descubrir que los navegadores usan los mapas de Google para trazar un rumbo. ¿Por qué no elegirían crear un programa para documentar sus estadísticas cada vez?

Temo por tu nuevo puesto con toda la amabilidad que puedo reunir.

Es una cosa de audiencia. Usted, su grupo o incluso su gerente podrían preferir Python, pero el CEO recibió capacitación en la Harvard Business School (por ejemplo) y se le enseñó a hacer sus DCF’s en sobresaliente. Él sabe sobresalir y es el tipo que te está pagando en general.

No sé acerca de su industria, pero la mayoría de las veces veo personas que usan Excel vs Python o Matlab en ingeniería o ciencias es porque no saben cómo usar Python o Matlab muy bien, y nada que ver con la escala del problema que otros sugirieron hasta ahora.

Regularmente uso Python para preparar algunos análisis de datos para todo, desde un ajuste lineal de 5 puntos hasta 5e9 puntos, el tamaño del problema es irrelevante … La razón principal de esta IMO es que puede poner su código en un repositorio y ver el historial fácilmente , en el análisis de datos, puede intentar / cambiar cosas cientos de veces y con frecuencia va por el camino equivocado y necesita retroceder, hacer esto en Excel con say git es básicamente imposible, pero con python es menos código y está muerto simple y organizado ( les pido a las universidades que diferencien la primera revisión de su hoja de análisis con la actual, y luego justifiquen cada cambio, y apuesto a que no pueden) … pero, por supuesto, hay muchas otras razones para usar un lenguaje profesional como python o matlab sobre excel, como bibliotecas más ricas (numpy, scipy, matplotlib, etc.), menos desorden, colaboración más fácil, mejores interfaces de usuario, capacidad de mantenimiento, etc., que siempre son ciertas sin importar el tamaño del conjunto de datos

En resumen, creo que la mayoría de las personas que responden aquí son personas equivocadas que usan Excel porque “cuando todo lo que tienes es un martillo, todo parece un clavo” … recomendaría que te apegues al viejo adagio del software, “pide perdón, no permiso “y solo usa python si puedes, quién sabe, tal vez algunas de tus universidades verán todo ese poder e irán, ¿puedes enseñarme cómo hacerlo?

Las personas usan la herramienta más simple que hará el trabajo y Excel hace el trabajo perfectamente bien para la mayoría de sus cálculos. Además, es ampliamente conocido y tiene una interfaz de usuario incorporada.