Låt oss slå fast: Utan datavetare skulle vår tids komplext uppbyggda finansiella handel inte fungera.

Systemen som aktiebörser och clearinghouse litar på får aldrig gå ner. Säkerheten kring dem brukar liknas vid den rigorösa kontroll som styr kärnkraftverk och stridsflygplan.

Ett av de företag som befinner sig i skärningspunkten mellan dessa finansiella it-system, Big Data och sociala medier är New York-baserade startup-bolaget Dataminr.

Dataminr har tagit fram en metod som innebär att information hämtas i realtid från den enorma mängd data som hela världens Twitteruppdateringar genererar. Genom att djupdyka i denna data med data mining-metoder förmår Dataminr att finna mönster och strukturer som kan ställas samman till snabba analyser över nya heta trender som kan påverka finansiell handel. För att verkligen kunna gräva djupt i alla Twitterupdateringar har Dataminr lyckats få ett strategiskt partnerskap med Twitter som innebär att de har direkt tillgång till informationen i Twitters servrar i realtid.

Metoden har väckt stort intresse hos banker och finansiella institut som ett ytterligare verktyg de kan använda för att ta beslut utifrån rörelser på den finansiella marknaden.

I en artikel på The Next Web hyllas Dataminr som ett av de 50 hetaste startup-bolagen i New York.  Bolaget lockar också till sig investerare, hela 30 miljoner dollar har företaget fått in denna höst i friskt riskkapital.

För att kunna utveckla de verktyg och metoder som Dataminr använder för att upptäcka mönstren i Twitteruppdateringar måste man bygga upp en professionell stab av datavetare och matematiker.

Det märks i de jobbannonser som Dataminr lägger ut. När detta skrivs söker man ”dedicated data scientists” för att sortera, analysera och leverera relevant information från den enorma mängd, vi talar terabyte, av ostrukturerade data som genereras av Twitteruppdateringar. De formella kraven är en doktorsexamen i datavetenskap, matematik eller statistik och minst fem års erfarenhet av avancerat arbete med data mining, statistikanalys och maskininlärning.

Att datavetare är så viktiga för finansiell it kunde också Tomas Forsberg från svenska företaget Cinnober berätta när han nyligen vid en lunchföreläsning med studenter i datavetenskap vid Umeå universitet betonade att just datavetare och mjukvaruutvecklare är nyckelpersoner för hela den finansiella branschen.

Cinnober bygger system för börser och så kallade clearinghouse runt om i världen med kunder i Dubai, Thailand, Brasilien, London och andra internationellt heta finansmetropoler.

– Vi jobbar hela tiden med riskhantering och stabilitet. Driftsäkerheten är viktig och realtidsövervakning är ett krav, berättar Tomas Forsberg.

Med erfarenheter från analys och riskhantering inom finansiell handel och utveckling av de system som internationellt stora börser använder för att hantera sina stora datamängder har Tomas Forsberg en djup förståelse för den viktiga roll som datavetare spelar för finansiell it.

– Det är sådana som ni som kan svara på frågorna om hur systemen ska byggas när cheferna där uppe inte vet, fortsätter Tomas Forsberg och tittar ut över studenterna.

Mattias Lidman är en av många skickliga datavetare som tagit examen vid Umeå universitet. Idag är han forskare vid Computation Institute i Chicago. I sitt examensarbete tog han sig an samma fråga som Dataminr – går det att ur det framvällande Twitterflödet göra analyser om trender i den finansiella marknaden och aktiehandeln?

Det gör det, visade Mattias Lidman i examensuppsatsen ”Social media as a Leading Indicator of Markets and Predictor of Voting Patterns”. Här redovisar han hur informationsflödet ur sociala medier, i första hand Twitter, kan användas för att förutse marknadstrender och förutsäga hur priset på aktier kommer att stiga eller sjunka.

För att få en så korrekt bild av verkligheten som möjligt valde Mattias Lidman att ta sig an hela Twitterflödet där retweets och spam filtrerades bort. Resultatet baserades på unika träffar skrivna av människor som själva har en åsikt och som är insatta i aktiehandeln.

Med hjälp av ett statistiskt analysverktyg och filtrering har Mattias fångat upp inlägg som nämnde aktiesymbolerna för exempelvis it-bolag som Intel, Google och Apple. Genom att tagga inläggen baserat på om de nämner aktien med värdeord som är positiva, negativa, mixade eller neutrala har han kunnat dela in dem i olika grupper. För att kunna hantera twitterflödet krävdes en automatiserad metod, då miljontals olika korrelationer mellan värdeord och aktiesymboler gör det omöjligt att följa manuellt. Metoden blir ett stöd vid analys av marknadsrörelser.

Skulle man då kunna bygga en svart låda där man trycker in twitterdata i ena änden och tar ut vinsterna i den andra?

– Nej, någon sådan låda är svår att tillverka, men den här metoden kan vara ett stöd när man analyserar marknadsrörelser, säger Mattias Lidman.

Tre exempel från Dataminr, Cinnober och forskaren Mattias Lidman som alla visar på den stora betydelse som datavetare har idag för finansiell it och finansiell handel.