Por Frank Salvador Ygnacio Rosas;
Miembro del equipo de Mercado de Capitales de The Key.
En un artículo anterior, hablamos sobre los “mercados hipereficientes”. Esencialmente, postulamos que nuevos factores, como consecuencia de la digitalización, han generado cambios profundos en la estructura de los mercados financieros. Por ejemplo, cuando menos, 2 de cada 3 operaciones son realizadas por sistemas algorítmicos de inversión; la liquidez en los venues más importantes está dominada por transacciones de alta frecuencia (HFT, en inglés); los periodos de retención, incluso en los fondos de inversión, no supera el año calendario en promedio; y los efectos de las redes sociales, crowdsourced funds, y demás, posibilitaron que los parámetros tradicionales de los mercados, como eficiencia de la información, reacción ante la volatilidad, entre otros, cambien radicalmente. No es casual, entonces, que las técnicas de valorización estándar o el chartismo tradicional hayan “perdido” cierto grado de utilidad al momento de enfrentarse a la inconmensurable y estocástica naturaleza del mercado. La realidad, sin embargo, es que estas técnicas siguen siendo tan válidas como lo fueron al momento de su concepción; el problema radica en que siguen pensándose como herramientas independientes o complementarias, y no como lo que realmente son: features.
Un feature es simplemente una variable. Y una variable es todo objeto que tiene la capacidad de encapsular un pedazo de la realidad; es decir, es pura información relevante. Para ponerlo en perspectiva, regresemos a la etapa escolar secundaria con el siguiente ejemplo.
Figura 1. Gráfica de una función lineal. Fuente: https://matemovil.com/funcion-lineal-ejercicios-resueltos/
En la imagen anterior, puede verse claramente cómo la función ‘y’ es el resultado del valor de ‘x’, sobre el que se aplicará determinada operación. En este caso, ‘x’ es nuestra variable, llamada usualmente ‘independiente’, e ‘y’ será el modelo que describirá cierto comportamiento especial, denotado por un conjunto de valores numéricos. De modo que, dado que ‘x’ es un valor que no depende de absolutamente ningún otro valor más que de sí mismo (es decir, es simplemente pura información), es el único elemento necesario para hallar ‘y’, que permitirá entender la forma o el funcionamiento de la línea celeste en el gráfico. Precisamente, a eso es lo que se denomina una función, que no es otra cosa que un modelo que emplea ciertos retazos de información (‘x’, en este caso) para recrear determinado fenómeno: los diversos valores de ‘y’ a partir de la información que se dispone de ‘x’.
Por tanto, ‘x’ viene a ser directamente nuestro feature; es decir, el pedazo de información que manejamos. Así, si conocemos que x = 3, entonces y = 7; si x = 5, y = 11; y así sucesivamente. De igual forma, si queremos saber qué valor de ‘x’ tener para que y = 13, resultará tan sencillo como hacer un razonamiento deductivo, conociendo la operación que se hace sobre ‘x’ para hallar ‘y’, y descubrir que dicho valor de ‘x’ es 6. Ahora bien, ¿a qué viene todo esto? Bueno, que precisamente la información proveniente del análisis técnico o el análisis fundamental, o de cualquier otra fuente, cumple el mismo papel: es simplemente una fuente de información. De modo que, para comprender o, más aún, intentar predecir el mercado, yo debo conocer las operaciones o acciones que se hacen sobre esta información, y que posibilitarán la observación de determinado fenómeno (el precio o retorno de una acción, el nivel de volatilidad, los movimientos en la tasa de interés, etc.). Sin embargo, sucede que, a diferencia de nuestra función en el gráfico anterior, donde ‘x’ es multiplicado por 2 y sumado a 1, las operaciones o acciones que se ejecutan con la información que se dispone en el mercado son, en todo sentido, absolutamente desconocidas: no solo por el hecho de que existen diferencias entre una fuente informativa y otra, sino porque el universo de donde estas provienen, y quienes las disponen (los inversionistas), es prácticamente infinito. Por tanto, no se trata solamente de una única ‘x’, sino de cientos, miles de ellas, algunas relacionadas entre sí, otras determinísticas o aleatorias, y, sobre todo, muchas de ellas completamente desconocidas. En este contexto (y en términos estadísticos), no importa qué tan exacta sea una figura ‘hombro-cabeza-hombro’ en el gráfico de una acción, o qué tan reputado sea el valuador financiero: esa información será siempre y en todo lugar incompleta, parcial y sesgada; es decir que, por sí sola, tendrá un alto margen de error.
Entonces, ¿qué hacer? Responder esta pregunta leninista supone tomar uno de entre muchos caminos. “A la hora del bitute”, la elección estará basada en los recursos que se tendrán para “darle sentido” a la información que disponemos, y a la que podemos acceder. Por ejemplo, ¿emplearemos datos de alta frecuencia (data de tick) para crear nuestras propias barras, o directamente utilizaremos alguna plataforma (Reuters, Bloomberg, etc.) para utilizar dicha información? Más aún, ¿para qué utilizaremos la información de barras? ¿Haremos únicamente análisis técnico sobre ellas, o utilizaremos modelos estadísticos para extraer propiedades quizá más interesantes? Asimismo, ¿qué otra información utilizaremos? En esa línea, ¿emplearemos modelos econométricos tradicionales, o quizá inteligencia artificial, agregando información obtenida del análisis técnico y de las técnicas de valuaciones estándar, así como de otras fuentes? La pregunta que sobresale al fin y al cabo es qué tan rigurosos queremos ser. Y la respuesta a esa pregunta está, amigos míos, más allá de los límites de la presente humilde reflexión, que sin duda esperamos responder en otra oportunidad.
Imagen de cabecera: unsplash.com
