Cómo afecta el Big Data al mercado financiero

big-data-financial

El origen de la bolsa de valores, tal y como la conocemos hoy en día, surgió tras la Revolución francesa a finales del siglo XVIII. En la actualidad, los mercados de valores, donde se negocian todo tipo de productos financieros (Oro, Brent, Arroz, Deuda, Forex, etc…), generan diariamente 2.5 quintillones de bytes de datos, lo que representa una oportunidad única para procesar, analizar y aprovechar la información de manera útil.

La tecnología está escalando a un ritmo exponencial y las consecuencias están siendo de gran alcance. Esto hace que la gran cantidad de datos que se manejan diariamente esté transformando la forma de operar en las industrias y el sector financiero.

El Machine Learning y el cálculo algorítmico se utilizan cada vez más en los mercados financieros para poder procesar toda la información que se genera diariamente y con ello ser capaces de hacer predicciones y decisiones que los humanos no tenemos capacidad para tomar por nosotros mismos.

Pero, ¿qué tipo de información podemos analizar?

De todo. Redes sociales con análisis de sentimiento, noticias en tiempo real, histórico de volumen de transacciones de un valor o producto financiero, etc. Por poner un ejemplo real, recientemente vimos cómo Twitter puede influir en el precio de una acción como es Tesla.

tesla-twitter
Fuente: Bloomberg/elEconomista

Se calcula que 3/4 partes de los movimientos que se producen en los mercados financieros son llevados a cabo por algoritmos.

El 6 de mayo de 2010 se vivió lo conocido como “Flash Crash”, donde el índice estadounidense Dow Jones sufrió una caída del 9% que recuperaría en tan solo 2:45 minutos. En abril de 2015 se detuvo a Navider Singh Sarao, un operador con sede en Londres. Al parecer, utilizó un programa automatizado para generar grandes órdenes de venta, empujando a la baja los precios. Después, canceló las órdenes de venta y compró a los precios más bajos del mercado.

momentary-lapseFuente: Bloomberg/The New York Times

Durante este lapso, se puede ver la cantidad de operaciones que se produjeron por distintos fondos de inversión que utilizan sus “robots” de inversión para aprovechar la oportunidad de mercado. Mientras los humanos decidían qué hacer, los ordenadores calculaban sus riesgos y actuaban comprando y vendiendo en fracciones de segundo.

60-seconds-chaosFuente: Stamen

Por tanto, el análisis de la gran cantidad de datos de los que disponemos (Big Data) está influyendo en el mercado financiero y la industria en general. Estos son los puntos más relevantes:

  1. Análisis del Big Data en modelos financieros

El análisis financiero ya no es solo el examen de los precios o su comportamiento. Ahora se debe analizar todo lo que pueda afectar al precio, como pueden ser tendencias sociales, políticas, noticias, etc.

El análisis de Big Data se puede usar en modelos predictivos para estimar la tasa de rendimiento de nuestra inversión. El acceso a esta cantidad de información nos da paso a predicciones mucho más exactas capaces de mitigar de forma efectiva los riesgos.

  1. Analítica en tiempo real

La tecnología actual nos permite recibir toda esta información en tiempo real y ser capaces de tomar decisiones similares a las de los humanos a unas frecuencias mucho más rápidas. Esto hace que nuestras decisiones se puedan tomar automáticamente en el mejor momento posible, reduciendo así los errores manuales que surgen debido a las influencias del momento.

Con herramientas como Azure ML podemos analizar en tiempo real datos tanto estructurados como no estructurados, redes sociales, resultados del mercado de valores, análisis de noticias, etc.

Este análisis situacional del sentimiento es muy valioso, ya que el mercado de valores es un arquetipo fácilmente influenciable.

  1. Machine Learning

El potencial de esta tecnología aún no se ha terminado de explotar y las perspectivas son inimaginables. El aprendizaje automático permite que los ordenadores realmente aprendan y tomen decisiones basadas en la nueva información que reciben aprendiendo de los errores del pasado, empleando sus algoritmos.

Cada vez son más las empresas que reemplazan sus modelos de gestión de carteras, materias primas, riesgo, inversiones, etc. por modelos con Machine Learning. A continuación, dejo algunos ejemplos donde un modelo con Machine Learning nos pueda ser ventajoso:

  • Stock de productos o materias primas influenciadas por los mercados financieros (Crudo, Celulosa, Energía, etc).
  • Exposición del negocio al cambio de divisa.
  • Gestión del riesgo.
  • Análisis del Impacto de noticias (catástrofes naturales, noticias financieras, políticas).
  • Análisis de sentimiento en redes sociales.

 

¿Interesado en integrar Big Data?

Para Techedge, el concepto Big Data está asociado a un conjunto de nuevas tecnologías y formas de trabajar orientadas a la resolución de problemas de negocio antes no abordables, y relacionado con las 3 V's: variedad, velocidad y volumen.

¡Quiero saber más!

Alberto Aguilera Palomar

Alberto Aguilera Palomar

Alberto es Ingeniero superior informático con más de 8 años de experiencia en el área de BI. Máster en sistemas de información integrados mediante SAP.

Además, es experto en mercados financieros, análisis técnico, algoritmos de inversión y creador de la web www.exitobursatil.com.

FOLLOW-ME