Big data no es nuevo en Wall Street. El mundo financiero se basa en datos, por lo que cada oportunidad de obtener más y obtener más rápido ha sido adoptada por el mercado de valores desde que se ejecutaron las primeras líneas de telégrafo. Sin embargo, la variedad o fuentes y tipos de datos disponibles para los inversores y comerciantes ha crecido a un torrente donde una mente humana simplemente no puede absorber y procesar todo. Debido a esta limitación física, se desarrolló una nueva industria de análisis predictivo para dar sentido a los macrodatos y ofrecer a los inversores recomendaciones de compra y venta en tiempo real basadas en los patrones que se forman en los datos mucho antes de que se desarrollen las señales tradicionales del mercado. En este artículo, analizaremos el análisis predictivo y lo que significa para los inversores.

Variedad, velocidad y volumen

Las tres V-variedad, velocidad y volumen-se usan a menudo para describir y definir big data. Necesita los tres para hacer un análisis significativo. La variedad se refiere a los canales de datos que se están aprovechando. Esto puede ser todo, desde menciones en redes sociales hasta informes meteorológicos y datos de transacciones masivas. El volumen es la cantidad de datos que entran y, como todos los V, más es mejor. El volumen y la variedad de datos permiten que se verifiquen o eliminen los valores atípicos y se obtienen datos más precisos en general. La velocidad es simplemente la velocidad a la que fluyen los datos. Para que el análisis predictivo sea valioso en términos de impulsar el comercio rentable, los datos deben estar disponibles rápidamente para el análisis, lo que significa un flujo constante de información actualizada al minuto. (Para obtener más información, consulte: Cómo Big Data ha cambiado las finanzas .)

Modelando los datos

Todos estos grandes datos se introducen en diferentes algoritmos para filtrar y ponderar la importancia de los patrones que surgen. Los algoritmos se combinan para crear un modelo que proporciona predicciones sobre los movimientos del mercado a corto plazo y una acción recomendada basada en la predicción. Por supuesto, no hay ninguna razón para limitarlo a un modelo, por lo que múltiples modelos con diferentes enfoques -el movimiento, un índice versus un stock en particular, por ejemplo- pueden ejecutarse en el mismo flujo de big data. Esto requiere una gran cantidad de potencia de procesamiento e incluso más almacenamiento porque los modelos se crean y prueban en big data históricos, por lo que los datos no se pueden descartar. (Para obtener más información sobre modelos financieros, consulte: Modelos financieros que puede crear con Excel .)

La velocidad de la información

La diferencia principal entre el análisis predictivo y, por ejemplo, un administrador de fondos humanos es la velocidad a la que se pueden tomar decisiones. Imagine que su fondo tiene una inversión en una cadena de restaurantes. Un gestor de fondos observará la inversión al menos trimestralmente, verificando los márgenes de ganancia, el rendimiento del capital invertido, las ventas en la misma tienda y otros indicadores clave de rendimiento que la empresa divulga a sus inversores.Si el gerente ve una tendencia, por ejemplo, deslizamiento de las ventas en las mismas tiendas y una erosión en los márgenes de ganancias en comparación con el trimestre anterior, puede decidir vender las acciones. Si sucede lo contrario, ella puede decidir comprar más.

Ahora armar este mismo administrador de fondos con un modelo predictivo que atraiga datos de todas partes. En lugar de esperar los informes trimestrales, puede ver modelos que se aproximan a los cambios en las ventas mismas tiendas basados ​​en publicaciones de redes sociales por referencia cruzada del cliente con los datos de transacción y datos de GPS de usuarios de teléfonos inteligentes opcionales en todas las ubicaciones. El software analítico le ayuda a extraer los datos y recomienda una acción, lo que le permite descargar o agregar a la posición mucho antes de que el cambio en las ventas aparezca en un documento oficial. En otras palabras, ya no existe un desfase temporal al ver los resultados de la empresa, por lo que las decisiones de inversión se pueden tomar con información actualizada que se aproxima a la situación real de la empresa. (Para obtener más información, consulte: Minería de datos para inversores .)

Ahora elimine por completo al gerente de la ecuación y permita que el modelo negocie directamente, y entonces tenemos una idea de hacia dónde se dirige el análisis predictivo.

Limitaciones

Todavía hay algunas limitaciones en lo que se puede hacer con big data en lo que se refiere a análisis predictivos. Para alimentar los modelos predictivos, los datos variados a menudo deben convertirse en una forma utilizable. Las publicaciones en las redes sociales, por ejemplo, se pueden convertir en señales de sentimiento analizando las palabras como negativas o positivas en el contexto de la empresa o industria que se analiza. Estos sentimientos se pueden medir y analizar más a fondo para proporcionar una entrada en el modelo.

Hay otros tipos de datos que pueden ser alimentados directamente en el modelo, pero la variedad que otorga al modelo más poderes predictivos también significa que habrá datos que deben ser clasificados y analizados antes de que puedan ser utilizados. Este retraso, por pequeño que sea, ralentiza el análisis de la secuencia de datos, por lo que no estamos del todo en el punto en que el modelo se ejecuta en tiempo real. Sin embargo, debido al análisis de tendencias que se utiliza para predecir el movimiento futuro, este no es un obstáculo significativo y es el que se superará tan pronto como más mentes y más recursos fluyan hacia las empresas que ofrecen estos servicios.

Lo que es más importante, la vida útil exitosa de cualquier modelo en particular es limitada, ya que otros descubren y comienzan a comerciar con las mismas fuentes y patrones de datos. Existe cierto margen para la exclusividad de algunas fuentes de datos, pero los científicos de datos generalmente pueden encontrar otros factores para sustituir a los datos de propiedad o las correlaciones que reflejan movimientos en los datos faltantes. Por lo tanto, mantenerse a la vanguardia en el análisis predictivo requiere la capacidad del cerebro para manejar los datos no estructurados y ajustar y probar nuevos algoritmos, así como la capacidad de procesamiento y almacenamiento en el lado de TI. Debido a estas limitaciones y costos, el análisis predictivo para el comercio de acciones generalmente se comercializa a los fondos, particularmente a los fondos de cobertura, en lugar de vender a los inversionistas.(Para obtener más información, consulte: Tutorial de Hedge Funds de Investopedia .)

The Bottom Line

El valor principal del análisis predictivo es una herramienta que una empresa puede usar internamente para optimizar los procesos como la venta cruzada, el cumplimiento, la comercialización, etc. Dicho esto, el análisis predictivo puede utilizarse desde el punto de vista de la inversión incluso sin acceso total a los datos internos de una empresa. La tecnología mejorará y la velocidad a la que se pueden tomar las decisiones comerciales será cada vez más rápida a medida que aumenten los datos y la precisión de las predicciones. El análisis predictivo será una ayuda para los comerciantes con plazos de corto plazo. También permitirá el comercio automatizado utilizando modelos predictivos, aunque muchos en el mercado todavía recuerdan problemas muy reales que se remontan al comercio electrónico.

Si el análisis predictivo beneficiará a los inversionistas regulares es una pregunta más importante. ¿Qué tanto enfoque en los datos a corto plazo es demasiado? Algunos de los inversores más exitosos se han beneficiado al ignorar la imagen a corto plazo a cambio del desempeño a largo plazo. ¿Podrán seguir ignorando el corto plazo cuando las métricas de los informes trimestrales se actualicen a diario junto con un diluvio de métricas de opinión que antes eran imposibles de capturar?

Es fácil decir que al invertir, como en una conversación, demasiada información puede ser algo malo, pero esto puede ser simplemente un caso de aferrarse al mundo al que estamos acostumbrados. El tiempo dirá si el análisis predictivo es una fuente valiosa de información u otra fuente de ruido del mercado a corto plazo.