La 'minería de datos' compite con el corredor de bolsa
Su objetivo es otorgar al fondo de cobertura para el cual trabajan una ventaja a la hora de invertir los US$ 24 mil millones que administra. Los científicos de Two Sigma LLC programan las computadoras para extraer torrentes de información de fuentes como cables noticiosos, resultados de empresas, reportes del clima y Twitter. Luego escriben algoritmos que compran y venden acciones según las "señales" que leen en esos datos.
Two Sigma representa la nueva frontera de la inversión computarizada en la que científicos e ingenieros que carecen de una formación formal en temas financieros tratan de aprovechar la potencia de cálculo de las computadoras para predecir los precios de los valores a partir de las pistas que recogen de las noticias y los datos que analizan.
"El secreto de los mercados es que se pueden predecir", dice Alexander Midgal, un ex físico soviético que reside en Nueva Jersey y escribe algoritmos para predecir la cotización de valores sobre la base de un amplio rango de información. "Por supuesto que no en un 100%", agrega.
Es una nueva forma de la llamada inversión cuantitativa, que transa valores siguiendo principalmente modelos matemáticos. Quienes la practican, no obstante, difieren de aquellos que usan modelos cuantitativos tradicionales, que programan sus computadoras para aprovechar relaciones estadísticas entre los precios de los activos y no le asignan mucha importancia a la información del mundo real.
El objetivo de la nueva inversión cuantitativa es obtener una ventaja sobre los operadores humanos al escribir algoritmos que son más veloces e inteligentes que una persona para analizar todo tipo de información y detectar patrones útiles para transar acciones, bonos, opciones, futuros o divisas.
En el caso de Two Sigma, a la hora de comprar o vender la acción de, por ejemplo, un operador de hipermercados, sus científicos crean decenas de modelos para transar acciones de esa empresa. Un modelo se dedica a revisar los informes de los analistas en busca de patrones en su opinión sobre la cadena minorista, al igual que lo podría hacer un corredor humano. Otro modelo buscaría claves en Twitter, como un creciente número de quejas contra la compañía, que correlacionará con otra información, como una reducción de los clientes que visitan los hipermercados de la empresa.
Algoritmos adicionales se encargan de otras tareas que a menudo realizan los corredores humanos, como ver si la cotización rompe el promedio de 200 días o...
Para continuar leyendo
Solicita tu prueba