Big Data y el Mercado Financiero

 

Durante siglos el hombre ha almacenado información sobre el mundo que le rodeaba, sobre sus propios pensamientos e ideas, y la ha transmitido de generación en generación, moldeando así el mundo en el que hoy vivimos. En la actualidad, sin embargo, el volumen de información que se genera a diario supera con creces todo lo anterior: e-mails, blogs, twitters, sms, whatsapp… Hasta 1900 la curva del conocimiento humano se doblaba cada 100 años, ahora se dobla cada 13 meses. Y gracias a los ordenadores estamos almacenando datos como no habíamos almacenado jamás. Estamos ante una revolución de los datos.

redes sociales.jpg

imagen: Flickr/Jason Howie

Pero lo verdaderamente revolucionario no es la cantidad de datos que almacenamos, sino que “ahora podemos hacer algo con esos datos”, dice Gary King, Profesor de Harvard y Director del Instituto de Ciencia Social Cuantitativa. Lo revolucionario radica en la mejora de métodos computacionales y estadísticos.  El crecimiento exponencial en almacenaje de datos no es tan significativo como la posibilidad de aplicar algoritmos, un conjunto de operaciones sistemáticas que permiten resolver un problema mil veces más rápido que si se hiciera con un método computacional tradicional y mucho más rápido que si lo hiciera un grupo de personas.

Campos tan diversos como la astronomía, los deportes o la publicidad están haciendo uso del estudio de los grandes datos o Big Data, como se les denomina. Un claro ejemplo del uso cotidiano de este método es la manera en que Google vincula la información obtenida de nuestras búsquedas y la publicidad que nos muestra en la web. Otro ejemplo son las recomendaciones de compra que realiza Amazon en base a las compras que hemos realizado anteriormente o el reconocimiento de mensajes spam en nuestra dirección de e-mail.

Amazon Compra

imagen: Flickr/Aurelijus Valeisa

El mercado de capitales no es ajeno a este hecho y ha empezado a buscar beneficio en la exploración de la ingente cantidad de datos provenientes de las fuentes más diversas.

Los servicios financieros en particular han adoptado masivamente el estudio de los Big Data para tomar decisiones en cuanto a minimizar el riesgo y aumentar el beneficio en sus inversiones.

Si bien en 1965 se estableció que los precios y las transacciones financieras no eran predecibles, en 2009 ya se sugirió un cierto grado de predicción. Los inversores pueden ser objeto de oleadas de optimismo y pesimismo que pueden hacer que los precios se desvíen de sus valores fundamentales o pueden sentirse confiados por ganancias anteriores llevándoles a pensar que pueden predecir precios futuros.

Internet ha cambiado la forma en que la información llega a los inversores y cómo éstos pueden actuar. En la actualidad se hace coincidir terabytes de datos sobre transacciones financieras con una cantidad comparable de noticias en línea para profundizar en los mecanismos de toma de decisiones. Anteriormente los intentos de predicción se centraban en complejos y sofisticados modelos. Actualmente las contribuciones procedentes de la informática y la minería de texto han desplazado el foco de interés hacia el análisis de la información en sí. Los investigadores se centran en cómo un texto puede ser indicador de cambio y cómo una noticia puede tener efecto sobre la toma de decisiones.

 

Datos economicos1

El punto de partida para las predicciones financieras utilizando información online es que los «movimientos en los mercados financieros y los movimientos en las noticias (financieras) están intrínsecamente relacionados entre sí”. La cuestión, por tanto, es descubrir la fuerza de este vínculo y los momentos en los que la asociación es más pronunciada. Es crucial determinar el grado de precisión de la información online en anticipar los movimientos financieros. Si existe tal precisión, es fundamental saber si la información sólo anticipa los movimientos o si es capaz de decir algo acerca de la dirección  o la magnitud del cambio.

En la frontera de la investigación se encuentran en este momento los algoritmos de clasificación y las técnicas de minería de texto que clasifican los textos en función de su relevancia y que son capaces de extraer la información significativa. Pero hay dos cuestiones subyacentes: cómo eliminar la información irrelevante y cómo decodificar el estado de ánimo o sentimiento implícito en el texto. La solución a estos problemas no es una tarea fácil, sobre todo en el área de las finanzas, donde las expresiones textuales son rara vez del tipo “me gusta” o “no me gusta”.

data mining

imagen: Flickr/Ovenell-Carter

En cuanto a los algoritmos de clasificación, dentro del ámbito de machine learning (una rama de inteligencia artificial que hace que los equipos puedan aprender sin ser explícitamente programados) la computadora encuentra la tendencia de los precios de un valor y, a continuación, un algoritmo encuentra palabras clave que pueden conducir a resultados predecibles (por ejemplo, palabras como ganancia o pérdida puden llevar a predecir los movimientos de precios hacia arriba  o hacia abajo). Las acciones se clasifican a continuación de acuerdo a palabras clave que las pueden influenciar. Después de un período de entrenamiento, la máquina aprende las palabras claves más relevantes y los posibles cambios de precios asociados a ellas.

En cuanto a los resultados obtenidos hasta el momento, los algoritmos más sofisticados tienen una precisión de hasta un 57% y un 2: 06% de retorno. Se encontró, sin embargo, que al separar los valores de las empresas S&P 500 en función de su sector industrial y al analizarlos por separado, aumentaba tanto la precisión en la detección de la dirección de los cambios de precios (76,02% para el sector financiero) como el retorno de las estrategias negociación automatizadas (hasta un 8,5%).

 

algoritmos

imagen: Flicker/J.Coffey

 Sin embargo, junto a los aparentes beneficios que big data comporta existen aún grandes retos que superar. No importa la cantidad de datos que existan, los investigadores aún necesitan hacerse la pregunta adecuada para crear una hipótesis, diseñar una prueba y usar los datos para determinar si su hipótesis es verdadera.

“No vas a obtener un buen resultado científico por tirar todo lo que exista contra la pared y ver qué se queda allí pegado”, dice Nathan Eagle, profesor adjunto de la Escuela de Salud Pública de Harvard.

En el mercado de capitales hay además otros factores claves a tener en cuenta:

Toda la literatura que relaciona la información de la web con los cambios económicos tiene en común la dificultad para acceder a datos de alta calidad. La información online relevante es heterogénea, rara vez los datos son de libre acceso y en algunos casos son prohibitivamentes caros. Cuando están disponibles, generalmente no se conocen las características del universo del que se extrae la muestra. Para obtener información gratuita en la red son necesarias fuertes habilidades en tecnología de la información para configurar máquinas que sean capaces de explorar la web y recuperar documentos.

2865510059_28b4599b6e_z

imagen: Flickr/Stéfan

Si bien la web en cierta medida permite anticipar los movimientos financieros, la ganancia raramente excede 5%. Además, los modelos más sofisticados no necesariamente producen mejores resultados. No obstante, dada la cantidad de dinero movido a diario por los mercados de valores vale la pena explotar incluso pequeñas ganancias. Una vía prometedora para la investigación futura se vincula con el análisis de la volatilidad de los cambios de precios en función de la estructura y las interacciones de la web.

 

En esta era de grandes volúmenes de datos, a los que se une la competitividad y la reducción de la rentabilidad, los que puedan lograr el control de los datos y den el salto al análisis y a la inteligencia comercial serán los grandes ganadores.

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

w

Conectando a %s