Le fonds AHL Man group utilise MongoDB pour alimenter ses analystes en données

Le fonds d’investissement britannique a placé la base de données NoSQL au cœur de son système d’analyse de données marché. La technologie est également intégrée au système de trading de la société.

Le fonds d’investissement britannique a placé la base de données NoSQL au cœur de son système d’analyse de données marché. La technologie est également intégrée au système de trading de la société.

Le fonds d’investissement britannique AHL Man Group a remplacé un parc de bases de données relationnelles hétérogènes par une plate-forme unique, reposant sur MongoDB, pour toutes ses données marché et financières.

Si on s’imagine facilement un parterre de traders enfermés dans un espace cacophonique, chez AHL, l’environnement est « calme et civilisé », lance Gary Collier, co-CTO du groupe. C’est ici que planchent les analystes quantitatifs, surnommés en interne les « quants », dont le métier est de concevoir des modèles pour alimenter les puissants systèmes algorithmiques de trading.

Finance

« Nous avons modifié le modèle fonctionnel avec lequel ils recueillent de nouvelles sources. Il s’agit désormais davantage d’un modèle en self-service. Quelques années en arrière, intégrer de nouvelles sources de données auraient été une épreuve en termes de délais de production », soutient Gary Collier. « Nombre de données sont aujourd’hui intégrées par les seuls utilisateurs. »

Le fonds d’investissements dispose d’un système en cluster bien éprouvé, qui était auparavant limité en terme de vitesse d’accès aux données. « Nous pouvons désormais saturer le réseau et ne créer aucun goulet d’étranglement. »

En 2012, Gary Collier et son équipe de quelques 40 spécialistes techniques ont entrepris de réviser en profondeur leur environnement IT lié à la gestion des données et à l’analytique. « Nous avions besoin d’un accès rapide aux données historiques et financières pour les injecter dans des environnements de calculs où les « quants » peuvent les analyser et concevoir leur modèles », explique-t-il.

A cette époque, les analystes s’appuyaient sur des langages comme R et Matlab. Gary Collier et son équipe ont alors décidé de tout miser sur Python et par hasard, ont fait le constat que l’un de leurs derniers choix technologiques, MongoDB, fonctionnait bien avec ce langage. « L’intégration de Python à MongoDB est très fluide », commente-t-il.

Un tandem Python et MongoDB

Lorsqu’en 2012, Python devient leur standard, les données historiques, contenues dans différentes bases de données propriétaires, ont été importées. « Nous nous reposions essentiellement sur un environnement de stockage étendu, ce qui ne facilite pas l’intégration de nouveaux composants. Les performances n’étaient pas bonnes et il y avait beaucoup d’éléments fluctuants », raconte-t-il. Ce qui a conduit à rechercher un nouveau datastore.

L’équipe a alors finalisé un PoC (Proof of concept) avec MongoDB à la fin 2013 et s’est fixé comme date butoir le 30 mai 2014, pour éviter d’avoir à racheter des licences de son ancienne technologie propriétaire – Gary Collier n’a pas nommé l’éditeur.

Gain financier immédiat : le CTO fait état de coût 40 fois inférieurs aux précédents coûts de licences. Côté stockage, les ressources ont été réduites de 40% par rapport au système historique.

Selon Gary Collier, la direction d’AHL était au courant de l’utilisation de MongoDB, et ont apporté leur soutien au projet. En termes d’analyses, les « quants » peuvent créer leurs modèles 25 fois plus rapidement avec le déploiement de la base NoSQL.

Mais point positif pour MongoDB : elle est également la technologie qui sert de socle aux très critiques systèmes de trading, prenant alors en charge des transactions de plusieurs centaines de millions de dollars.

« Toute notre stratégie de trading ne s’y adosse pas, mais elle est bien présente. Mais l’intérêt grandit pour MongoDB », conclut Gary Collier.

Pour approfondir sur Outils décisionnels et analytiques

Close