Por Frank Salvador Ygnacio Rosas;
Columnista del área de Mercado de Capitales de The Key Perú.
Cuando Eugene Fama dijo que los mercados financieros eran “eficientes”, se entendió que los precios tendían a incorporar la totalidad de la información disponible entre los inversores para un momento determinado en el mercado. Por tanto, los agentes competitivos actuarían casi de inmediato si surgía una señal que indique algún cambio en los valores futuros de un activo, haciendo que los precios reflejen esta nueva información. De ese modo, la única manera de lograr un beat-the-market era o consiguiendo información privilegiada o frotando la lámpara. Sin embargo, lo que Eugene y los Chicago Boys quizá no advirtieron es que esta máxima darwiniana encontraría su punto de ebullición en el uso intensivo de las máquinas en el mercado.
Los algoritmos de alta frecuencia (HFT, por sus siglas en inglés) irrumpieron en el escenario bursátil a inicios de siglo. Basados en lenguajes de programación de alto nivel y empleando torres de fibra óptica, permitieron analizar al detalle cada transacción realizada, cosechando su éxito en la forma en cómo obtenían dichos datos: las grandes entidades financieras colocaban sus centros de procesamiento lo más cerca posible de las bases de datos de las distintas plazas bursátiles, como el NYSE, el NASADAQ o el CBOE. Así, obtenían la información microsegundos, milisegundos e incluso nanosegundos antes que nadie. Esta ventaja competitiva, minúscula a la vista humana pero significativa para las máquinas, suponía un punto de quiebre en la afirmación de Fama: todos poseen la misma información, sí, pero no al mismo tiempo.
Figura 1. Funcionamiento tradicional de las torres microonda para los HFT. Fuente: Wall Street Journal (2012).
A pesar de ello, las regulaciones comenzaron a mermar el dominio que estos sistemas obtuvieron hasta antes del Flash Crash del 2010. Desde entonces, su preponderancia en el mercado se ha reducido a solo algunos tipos de transacciones. Sin embargo, las nuevas tecnologías y servicios financieros fueron los que realmente rompieron el oligopolio de la alta frecuencia. Así, la computación en la nube, los softwares comerciales de Big Data, los bróker low-cost (como Robinhood o Etoro), entre otros, significaron la entrada de más competidores: startups, inversores individuales, pequeños fondos, etc., hicieron sus propios sistemas algorítmicos aprovechando distintas ventajas, desde la velocidad hasta el uso de técnicas de inteligencia artificial. El mercado bursátil también se vio invadido por las redes sociales y los efectos de red: sitios como Reddit, StockTwits, Telegram, Discord, Twitter, entre otros, son los nuevos trading-desk de la masa de inversores millennial. Plataformas como Numerai y QuantConnect convirtieron a la prehistórica industria de los hedgefund en crowd-sourced; es decir, en fondos de inversión de recaudación colectiva; y vendedores de datos como Finnhub y Databento posibilitaron acceder a información que hasta hace una década solo era posible para los Goldman. Toda esta facilidad de acceso al mercado generó, por supuesto, una explosión especulativa, cuyas consecuencias más conocidas son los casos de AMC Entertainment y GameStop.
Figura 2. Acciones más populares entre inversores millennial y de la generación Z. Fuente: DailyFx (2021)
De ese modo, este contexto complejo y cambiante ha generado nuevas condiciones en los mercados de capitales que definirán su naturaleza en el futuro. Entre ellas pueden encontrarse:
a) El 60% de las operaciones en la bolsa son decididas y ejecutadas de forma automática por computadoras (CNN, 2018) y las más rápidas logran anticiparse 30 segundos en promedio al mercado (SEC, 2020).
b) Las máquinas pueden mantener sus posiciones por menos de un minuto (Investopedia, 2021), y el periodo de hold de acciones se ha reducido en la última década a menos de 6 meses (Reuters, 2020).
c) Las redes sociales son una de las principales fuentes de información de data alternativa, tanto para inversores retail como institucionales (Monk, Prins y Rook, 2019).
Figura 3. Variación de la tenencia promedio de las acciones a lo largo de los años. Fuente: Reuters (2020).
Estas tendencias son las que definirán la manera en la que las transacciones bursátiles se realizarán en el futuro y que, en gran parte, ya se vienen haciendo: hechas principalmente por ordenadores, con periodos de tenencia muy cortos y con fuentes de datos provenientes, en otros, de la interacción social online. Sin duda, todas estas variables convertirán a los mercados en lugares hiper-eficientes, donde encontrar oportunidades que superen los rendimientos promedios representará todo un reto.
Referencias
Buy, sell, repeat! No room for ‘hold’ in whipsawing markets. (3 de agosto de 2020). Reuters. https://www.reuters.com/article/us-health-coronavirus-short-termism-anal-idUSKBN24Z0XZ
Machine are driving Wall Street’s wild ride, not humans. (6 de febrero de 2018). CNN Business. https://money.cnn.com/2018/02/06/investing/wall-street-computers-program-trading/index.html
MONK, A., PRINS, M & ROOK, D. (2019). Rethinking Alternative Data in Institutional Investment. Pageant Media Ltd, 14-31. Recuperado de https://caia.org/sites/default/files/014-031_monk_jfds.pdf
U.S. Securities and Exchange Commission. (5 de agosto de 2020). Report on Algorithmic Trading in U.S. Capital Markets. Recuperado de https://www.sec.gov/files/Algo_Trading_Report_2020.pdf
Network built on Miliseconds. (30 de mayo de 2012). The Wall Street Journal. https://www.wsj.com/articles/SB10001424052702304065704577426500918047624
What are Millennials and Gen Z Investing in? (16 de junio de 2021). DailyFx. https://www.dailyfx.com/nas-100/what-are-millennials-and-gen-z-investing-in.html
Imagen de cabecera: unsplash.com
