La teoría del mercado eficiente defiende que la bolsa es un juego limpio en el que toda la información disponible se recoge en el precio de manera instantánea y, por lo tanto, las acciones siempre están perfectamente valoradas. En un mundo cada vez más interconectado, la realidad hoy es que una noticia que se produzca en un extremo del planeta puede influir directamente en una compañía afincada en la otra punta del globo, afectando al sentimiento inversor y a su cotización. El problema es que el volumen de información disponible es tan vasto que su manejo se hace muy difícil, más aún si a ello sumamos el nuevo fenómeno que representan las redes sociales. Es aquí donde entra en escena el procesamiento de datos a gran escala. “Todavía no somos conscientes de lo que significará la big data para la industria de gestión de activos”, asegura Kenneth Cukier, editor en The Economist y coautor del libro Big Data: una revolución que transformará cómo vivimos, trabajamos y pensamos.
En una presentación realizada en el evento celebrado por BNY Mellon IM en Milán, Cukier explica que el big data se ha convertido en una clase de activo en sí mismo. “En el mundo actual, el acceso a la información es clave. Hoy disponemos de más información que nunca, aunque resulta difícil sacar valor de ella. Pero se puede. Por ejemplo, es posible medir cuál es el crecimiento económico que está experimentando una determinada región o ciudad en tiempo real a través del análisis de los datos de tráfico. Esto aporta información muy valiosa”. Sin embargo, construir el sistema que permita recopilar todos esos datos y hacerlos manejables no es fácil. Las entidades tienen que sortear algunos obstáculos. En el entorno actual, quizás el más relevante sea la imposibilidad para asignar recursos, sobre todo en un entorno en el que la regulación añade presión sobre los márgenes. Por tanto, el músculo del que disponga la entidad parece un factor determinante. Cukier asegura que, por ahora, el coste que acarrea prepararse para el reto que supone el big data es alto, aunque en el futuro irá reduciéndose.
A la hora de construir la plataforma, las gestoras pueden elegir entre tres caminos: comprar una start up, llegar a acuerdos con empresas especializadas o apostar por el desarrollo interno. En este último grupo está Goldman Sachs AM, entidad que ya lo aplica activamente en sus estrategias. La gestora ha desarrollado un modelo que complementa al análisis fundamental y que aplica en su gama Core (GS US Core, GS Global Core, GS Europe Core…), en el que ninguno de los fondos asume un tracking error superior al 3,5% (el del GS US Core es como máximo del 2,5%). La estrategia que siguen pasa por tomar al índice de referencia como punto de partida e ir adoptando posiciones relativas en función de cuáles sean las convicciones del equipo a partir del análisis fundamental, el cual se ve complementado por el análisis de sentimiento y momentum. Aquí es donde entra en juego el big data, ya que el equipo de gestión cuantitativa –fundado por Bob Jones y Rob Litterman y formado por 90 profesionales- puede procesar diariamente 40.000 artículos en distintos idiomas.
Una manera que tienen de capturar el sentimiento del mercado es analizando los reportes de los brokers a través de plataformas automatizadas de procesamiento de lenguaje. Diariamente, el equipo revisa centenares de informes de analistas de todo el mundo sobre una determinada compañía o conjunto de empresas. La información extraída la almacenan en una base de datos que le da al equipo un acceso efectivo y eficiente para digerir e interpretar estos documentos en tiempo real. Esta base de datos esta categorizada por compañía e incluye diferentes métricas que permiten al equipo llevar a cabo análisis individualizados de cada valor. Derivado del uso de las plataformas inteligentes de procesamiento de lenguaje, el equipo ha desarrollado un modelo de análisis de los informes por el que infieren una ‘puntuación de sentimiento’ en base al tono y lenguaje empleado por el analista. Esa puntuación, que recoge más información que la simple recomendación sobre el valor, la tienen en cuenta a la hora de valorar la compañía.
El equipo trata de mejorar la técnica para capturar el detalle/tono del analista y así entender su auténtica opinión sobre el valor. “El modelo que utilizamos evoluciona, no se revoluciona. Sigue mejorándose e innovándose para profundizar en herramientas que nos permitan mejorar aún más el proceso de valoración de las compañías y conocer mejor las relaciones globales que existen entre las diferentes empresas. El desarrollo de los sistemas de ‘big data’ nos servirá para perfeccionar aún más nuestra estrategia en este sentido”, señala Javier Rodríguez-Alarcón, responsable para EMEA del equipo Core de GSAM. Los resultados, por ahora, han avalado a buena parte de estas estrategias. En el caso de la gama Core de GSAM, muchos de los fondos ostentan ya las cinco estrellas Morningstar. En el caso de las estrategias de renta variable estadounidense y global, además, son fondos con la etiqueta de producto consistente Funds People.
Algunas entidades llegarán antes. Otras, después... pero la tendencia es clara y cada vez son más las gestoras que creen que la industria se adentra en una nueva era y que disponer de esta nueva herramienta puede suponer una ventaja competitiva. “El big data reesculpirá la industria de gestión de activos”, puesto que se utilizarán nuevos acercamientos a la información disponible en “búsqueda, análisis, distribución, trading y gestión del riesgo”, afirman desde BNY Mellon IM. Los expertos de la entidad creen que las nuevas herramientas permitirán abandonar definitivamente los aforismos bursátiles y analizar con todavía más detalle tanto los componentes fundamentales de las compañías como las diferencias temáticas. También consideran que un procesamiento más rápido y eficiente incrementará la dificultad de los gestores para generar alfa. Lo que resulta evidente es que el mundo del mañana será muy diferente del actual y que la industria de gestión de activos también tendrá que adaptarse a los cambios y perfeccionar sus metodologías.
