El Big Data, las Redes Neuronales del Aprendizaje Automático y el Análisis de Sentimiento se cuelan en los mercados financieros para intentar describir, predecir y prescribir cómo, dónde y cuándo invertir más allá del Sistema de Interconexión Bursátil Español (S.I.B.E.). Mientras que los mercados bursátiles luchan por mantenerse a flote en un caos de subidas y bajadas impredecibles, corrientes de inversión cambiantes, fondos, futuros, refugios, y otros derivados, el Big Data en bolsa empieza a abrirse camino en el mundo financiero.
«Compra barato, vende caro», es probablemente la frase más utilizada por los inversores en bolsa. ¿En qué fundamentan esta decisión? ¿Saben antes de tomar esa decisión cuál será la dirección que tomen los mercados financieros? ¿Afectan el Brexit o las Elecciones26J a los mercados bursátiles? Claro, pero… ¿hasta qué punto? Quizá el análisis de datos y un buen puñado de algoritmos avanzados puedan ayudar a tomar decisiones mejor informadas…
El S.I.B.E. es desde 1995 la plataforma de contratación en la que operan las cuatro plazas españolas (Madrid, Barcelona, Bilbao y Valencia). El Sistema de Interconexión Bursátil Español sustituyó al sistema CATS (Computer Assisted Trading System) para la negociación de valores de renta variable de estas bolsas españolas e integra otros mercados como AIAF y MAB. Desarrollado por la Bolsa de Madrid, el sistema asegura un único punto de liquidez por valor y facilita la comunicación directa y en tiempo real entre las bolsas. Esta interconexión aumenta la liquidez y la profundidad del mercado continuo. En el S.I.B.E. cotizan actualmente 144 sociedades con una representación del 99,3% del total de contratación de las bolsas españolas. ¿Qué puede aportar el Big Data a la Bolsa en este contexto?, ¿y más allá?
El potencial del Big Data en Bolsa
Predecir el comportamiento de los activos aplicando Big Data en Bolsa conseguiría, sin ninguna duda, unos índices de acierto mucho más ajustados y efectivos ―incluso a pesar del acecho de las burbujas y las desviaciones de los mercados―. Para sobrevivir cada día en los mesas de ejecución de las sociedades de inversión y las salas de tesorería hace falta conocer cómo funcionan los mercados. Hay que tener igualmente unos índices de riesgo muy bien definidos. Y, además, es necesario mantener una estrategia que combine los métodos tradicionales de análisis con innovadoras técnicas algorítmicas que permitan verificar las intuiciones de los gestores y ofrezcan respuestas en menos tiempo.
Lo cierto es que los mercados financieros no son ni 100% eficientes ni 100% caóticos, porque incluyen tanto componentes sistemáticos como aleatorios. La estructura fundamental se nutre de inversores de lo más variopinto con metas, experiencias, estrategias varias y diferentes patrimonios para invertir. Es en este mundo de interdependencias tan característico de los mercados bursátiles, desde Wall Street hasta las bolsas europeas, donde ser consciente de cómo aprovechar las 3 Vs típicas del Big Data ―Volumen, Velocidad y Variedad―, articuladas allá por 2001 por el analista Doug Laney para Gartner, puede suponer un valor diferencial… económico y competitivo.
Aplicar técnicas Big Data en los mercados bursátiles permitiría mejorar los procesos si conseguimos analizar de forma eficaz la ingente cantidad de datos que generan los múltiples mercados disponibles y la información que de ellos se desprende tras haber limpiado el ruido de los datos de poca calidad. Estudiar el volumen de transacciones bancarias, compras y ventas de valores monetarios, cambios de divisas, bonos emitidos, fondos, futuros, opciones, derivados, etc. puede aportar información clara y concisa no visible a primera vista.
El Big Data en Bolsa podría igualmente paliar el vértigo ocasionado por la velocidad a la que se producen estos datos con gestores bursátiles comprando y vendiendo continuamente y todas las bolsas interactuando entre sí rápidamente desde Hong Kong hasta Nueva York pasando por Berlín. Saber cómo reaccionar en tiempo real y de forma proactiva a las más o menos inesperadas subidas y caídas de los intangibles bursátiles es fundamental para no descolgarse del negocio, evitar graves pérdidas económicas o recuperarse de movimientos poco acertados.
Abruma igualmente la variedad de datos financieros, tanto estructurados como no estructurados, que pueden llegar a analizarse con tecnologías Big Data, a través de técnicas de aprendizaje automático o analíticas para el procesamiento del lenguaje natural. Hoy ya es posible determinar patrones sistemáticos de comportamiento ―tanto de los valores como de los inversores, gestores, brokers y traders―, analizar el sentimiento o la intención que se desprende de los informes bursátiles, noticias financieras o entornos digitales especializados, o analizar la red de contactos que se produce de forma espontánea en el parquet para detectar el alfa del mercado.
Analíticas para mercados bursátiles
A grandes rasgos el modelo de mercado español se caracteriza por ser un sistema bastante transparente, dirigido por órdenes, en el que existen algunos proveedores de liquidez especialistas en valores que trabajan con información en tiempo real en sus pantallas y difusión automática de la información de la contratación. Hoy por hoy, la herramienta definitiva para aprovechar el Big Data en Bolsa en este entorno de trabajo debería caracterizarse por su capacidad analítica:
- Con una buena capacidad de analítica descriptiva se pueden recoger, cruzar y estudiar datos históricos y presentes que den una visión objetiva del estado de la Bolsa y ayuden a entender sus mecanismos. Podemos conocer cómo se comportan las acciones o los agentes.
- La analítica predictiva puede ofrecer predicciones más realistas y ajustadas a los mercados financieros que mueven la Bolsa. Podemos prever si las acciones subirán o bajarán, cuándo y cuánto, cómo afectará un movimiento a otro (feedback loops) y cómo reaccionarán previsiblemente los distintos agentes financieros involucrados en el mercado continuo.
- Más allá de las conclusiones a las que llegan los especialistas en bolsa por su experiencia, conocimiento y la información disponible, contar con una buena capacidad de analítica prescriptiva es fundamental para afrontar el futuro. Podemos anticipar y recomendar lo que serían las mejores estrategias para mitigar los riesgos y obtener un mayor retorno de la inversión.
Una buena herramienta basada en técnicas analíticas habría permitido, por ejemplo, haber tomado decisiones mejor informadas como respuesta a los índices de caída sufridos en la Bolsa tras el referéndum del Brexit o las Elecciones 26J, porque habría proporcionado a los profesionales financieros un buen análisis del escenario real, predicciones más ajustadas y un plan estratégico para responder a la crisis ocasionada basado no tanto en movimientos políticos como en el análisis de datos.
Cotizando al alza, el uso de Big Data en Bolsa es una inversión segura. Los modelos matemáticos aprenden cada día del análisis que realizan de los datos reales que los nutren, mejoran sus predicciones automáticamente y son capaces de recomendar las estrategias más oportunas en cada caso. Usar algoritmos avanzados y técnicas analíticas de Big Data en los mercados financieros tiene claramente el potencial de ayudar a mejorar el rendimiento de los procesos de inversión tanto para los inversores particulares como para las sociedades que cotizan en bolsa.
[…] Predicción en el comercio de acciones: En el mundo financiero, las empresas utilizan big data para prever tendencias del mercado y ayudar en la toma de decisiones de inversión. […]