Los profesionales de la inversi\u00f3n han comenzado a entender la utilidad de los datos alternativos, lo que est\u00e1 cambiando para siempre el panorama de la inversi\u00f3n. Estamos ante la revoluci\u00f3n del Big Data, lo que puede dar comienzo a una nueva era que facilite las decisiones de inversi\u00f3n y mejore la estabilidad de los mercados. Las empresas que lo aprovechen disfrutar\u00e1n de una ventaja competitiva, pero deben distinguir lo que es de valor de lo que no.<\/p>\n
Empez\u00f3 alrededor de 2014, cuando un grupo de sofisticados hedge funds comenz\u00f3 a operar en este nuevo mundo de inversi\u00f3n, buscando agresivamente ventajas de informaci\u00f3n. Desde entonces, muchas empresas han saltado al negocio de los datos alternativos de fuentes de informaci\u00f3n no tradicionales, intentando monetizar la extensa disponibilidad de los mismos. Se trata de datos empresariales, instalaciones f\u00edsicas tecnol\u00f3gicas o herramientas automatizadas de extracci\u00f3n de datos de Internet, incluyendo precios de productos, tendencias de b\u00fasqueda, informaci\u00f3n de redes expertas y datos de tr\u00e1fico. Tambi\u00e9n puede ser informaci\u00f3n no financiera para evaluar los precios de los activos.<\/p>\n
Hay que tener en cuenta que en los \u00faltimos diez a\u00f1os, gracias a los avances tecnol\u00f3gicos, ha aumentado la disponibilidad de tales datos. Actualmente ya es posible comprar unos 800 conjuntos de datos en m\u00e1s de 20 categor\u00edas. Los cinco m\u00e1s populares son los sociales y de sentimiento, de empresas privadas, tarjetas de cr\u00e9dito, cadenas de suministro y de Internet.<\/p>\n
Adem\u00e1s las empresas de inversi\u00f3n, para identificar y tomar las decisiones de inversi\u00f3n m\u00e1s r\u00e1pido y mitigar los riesgos potenciales, quieren acceder a la cada vez m\u00e1s “baja latencia” en la entrega de datos no tradicionales. Ya es posible seguir cifras semanales o incluso diarias, en lugar de esperar a las actualizaciones mensuales o trimestrales de la compa\u00f1\u00eda, una ventaja respecto a otros inversores. Por su parte los analistas fundamentales pueden llevar a cabo una “superposici\u00f3n cuantitativa” con los pagos con tarjetas de cr\u00e9dito, relacionados con las ventas, respecto a estimaciones de beneficios y pronosticar el potencial impacto en las acciones con bastante antelaci\u00f3n.<\/p>\n
Adicionalmente existe el temor de las empresas de inversi\u00f3n que compran datos a quedarse fuera de juego, pues todo tipo de inversores los usan y los que no logren unirse a la revoluci\u00f3n pueden quedarse atr\u00e1s. Ahora bien, los datos alternativos son caros y el fracaso se debe, a menudo, a haber gastado mucho dinero y tiempo en las firmas incorrectas. Hay que saber seleccionar los proveedores adecuados para obtener una ventaja y rentabilidad.<\/p>\n
Adem\u00e1s hay que tener en cuenta varios desaf\u00edos, incluyendo la conectividad, limpieza de los datos, calidad y facilidad para su uso, adem\u00e1s de los flujos de trabajo, historiales limitados, la integridad y confianza de la informaci\u00f3n, as\u00ed como las pol\u00edticas de protecci\u00f3n de datos. El Reglamento General de Protecci\u00f3n de Datos de la UE, dada la naturaleza problem\u00e1tica de la gesti\u00f3n de informaci\u00f3n y la compleja y dif\u00edcil gobernanza del Big Data, trata de fortalecer y estandarizar el anonimato de los datos personales, los cuales ahora deben ser gestionados apropiadamente, conforme a las leyes locales de privacidad y seguridad.<\/p>\n
As\u00ed que recientemente algunas fuentes principales de referencia de datos han comenzado a ofrecer a sus clientes un punto \u00fanico de acceso a los m\u00faltiples proveedores de datos alternativos l\u00edderes en el mercado con datos fiables, eliminando unos procesos costosos y prolongados. Ello permite a los inversores cuantitativos integrar los datos f\u00e1cil y eficientemente en los sistemas o bases de datos existentes y solo tienen que seleccionar sus lenguajes de programaci\u00f3n preferidos y acceder a las muestras antes de adquirir los datos, pudiendo ponerlos en uso inmediatamente.<\/p>\n
M\u00e1s a\u00fan, seg\u00fan estudios y encuestas recientes, m\u00e1s de 80 por ciento de los fondos de inversi\u00f3n ya usa o espera utilizar datos alternativos y creemos que 2019 marcar\u00e1 una fase m\u00e1s madura para los inversores cuantitativos, de entre cinco y siete a\u00f1os, durante la cual la mayor\u00eda los incorpore. La categor\u00eda m\u00e1s intensa en uso puede ser de transacciones del consumidor, que puede proporcionar mayor rentabilidad. Respecto a los inversores cuantitativos su primer desaf\u00edo es evaluar la efectividad de una estrategia de inversi\u00f3n mediante los datos hist\u00f3ricos. Pero hoy en d\u00eda es muy dif\u00edcil hacerlo con datos alternativos, pues no hay datos hist\u00f3ricos buenos y suficientemente amplios. As\u00ed que hay una necesidad urgente de obtener las habilidades y capacidades anal\u00edticas avanzadas para poder procesar una vasta cantidad de datos, con lo que el n\u00famero de empleados de datos alternativos a tiempo completo, principalmente cient\u00edficos de datos y analistas, ya ha aumentado un 450 por ciento los \u00faltimos cinco a\u00f1os entre las empresas que los usan. Adem\u00e1s, el aprendizaje autom\u00e1tico va tener un papel central en la identificaci\u00f3n de patrones y correlaciones, gesti\u00f3n del riesgo y transformaci\u00f3n del conocimiento en operaciones que permitan a las empresas que compran la informaci\u00f3n obtener una ventaja competitiva.<\/p>\n
De manera que los principales actores de la industria de gesti\u00f3n de activos, con la esperanza de que se les presente algo extraordinario, est\u00e1n formando equipos cuantitativos de f\u00edsicos y cient\u00edficos de datos. Pero no estamos de acuerdo con este enfoque: fracasar\u00e1n si no emplean un enfoque m\u00e1s “conservador” que mantenga las decisiones y la gesti\u00f3n en manos de profesionales de finanzas experimentados. Al fin y al cabo discernir informaci\u00f3n valiosa de ruido requiere de una amplia experiencia financiera real -que no se encuentra en las matem\u00e1ticas y estad\u00edsticas por s\u00ed mismas-. El objetivo no es reemplazar a profesionales de finanzas por matem\u00e1ticos, sino poder evaluar las hip\u00f3tesis formuladas por profesionales de la inversi\u00f3n en m\u00e1quinas para generar una informaci\u00f3n superior, explicable y m\u00e1s procesable. Por tanto, para evitar perderse en las interpretaciones de la m\u00e1quina, es fundamental la miner\u00eda inteligente de datos. No se trata del hombre versus la m\u00e1quina, sino del experimentado profesional de las finanzas trabajando con la m\u00e1quina.<\/p>\n
Fuente: El Economista<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" Los profesionales de la inversi\u00f3n han comenzado a entender la utilidad de los datos alternativos, lo que est\u00e1 cambiando para siempre el panorama de la inversi\u00f3n. Estamos ante la revoluci\u00f3n del Big Data, lo que puede dar comienzo a una nueva era que facilite las decisiones de inversi\u00f3n y mejore la estabilidad de los mercados. […]<\/p>\n","protected":false},"author":1,"featured_media":16218,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[377],"tags":[],"class_list":["post-16217","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data"],"yoast_head":"\n