HTF, Sistemas Automáticos y Expert Advisors

HTF, Sistemas Automáticos y Expert Advisors

El Trading de alta frecuencia se inició  en el año 2.008 gracias a James Barksdale, antiguo director general de Netscape y AT&T, que financió la construcción del sistema de trading más veloz en el mundo, aceptando la propuesta del  trader de Wall Street Daniel Spivey. Dos años después el 70% del volumen total de contratación bursátil en Estados Unidos se realizaba mediante High Frequency Trading (HFT). Con esta nueva línea Spread´s Networks redujo el tiempo de ejecución de una orden entre Nueva York y Chicago en 3 milisegundos pasando a ejecutarse en 13,33 milisegundos. Tres milisegundos son 3.000 partes de un segundo, pero como citó Ben Van Vliet, profesor del Instituto Tecnológico de Illinois “es como recoger monedas del suelo, sólo el más rápido lo consigue”. Ellos consiguieron que los mayores traders estadounidenses utilizasen la red de Spread´s Networks.

En la actualidad los sistemas de alta frecuencia actúan en el mercado durante segundos, moviendo grandes volúmenes y obteniendo mínimas ganancias de forma continuada. Podemos decir que los HTF o sistemas de alta frecuencia son sistemas automáticos, pero no todos los sistemas automáticos son de alta frecuencia.

Otra diferencia a tener en cuenta es la existente entre los Sistemas Automáticos y los Expert Advisors, ambos utilizan algoritmos matemáticos basados en una combinación de indicadores y osciladores de análisis técnico, datos relevantes y patrones de comportamiento que se aplican sobre  productos derivados como son los futuros sobre índices, divisas, materias primas o tipos de interés y determinan en qué momento se debe entrar o salir así como la dirección de entrada o salida. En  definitiva, nos estamos refiriendo a una toma de decisiones que se ejecutan cuando se cumplen unos parámetros determinados. Sin embargo, la principal diferencia entre Expert Advisors y SAT es precisamente  lo que hay detrás de ese algoritmo.

Metropolis

En el caso de los Expert Advisors, los algoritmos se encuentran disponibles en determinadas plataformas de trading para los inversores, pudiendo seguir los resultados históricos del mismo a través de un Backtesting. El algoritmo siempre será propiedad del desarrollador (algunos son gratuitos  y otros de pago) y los clientes podrán instalarlo a través de un archivo en su plataforma bien para la ejecución de órdenes o bien para que proporcione señales de compra/venta en la plataforma.

Los Sistemas Automáticos de Trading se comercializan a través de intermediarios financieros los cuales ofrecen todos los datos posibles sobre cada uno de ellos para que el inversor disponga de toda la información de forma clara y objetiva incluyendo entre otros, el promedio de sesiones ganadoras y perdedoras, factor de beneficio  y el deslizamiento que se puede producir entre el precio indicado por el sistema y el precio de ejecución.

En el caso de los SAT existen dos tipos de Backtesting, el realizado por el propio desarrollador desde su inicio y el auditado por el comercializador del sistema, de forma que el cliente puede contrastar si los resultados siguen siendo “igual de buenos” cuando el sistema es separado de su creador. Además existe un tercer filtro que son los datos Live, es decir el comportamiento del sistema una vez que los clientes comienzan a invertir en el mismo. Es prácticamente imposible participar en un acontecimiento sin modificarlo, por ello es importante conocer los resultados del comportamiento de un sistema en “demo” y en el mercado real.

No debemos olvidar la regulación que la CNMV exige a las empresas comercializadoras de Sistemas Automáticos de Trading. Sólo aquellas empresas que estén inscritas en la CNMV pueden ofrecer servicios de inversión a través de Sistemas Automáticos.Metropolis 2

Por su parte, los clientes de sistemas deberán superar un test de conveniencia para la operativa con productos complejos en el que demuestren el conocimiento del mismo y los riesgos que conlleva su inversión, un test de idoneidad donde señalen sus objetivos de inversión, conocimientos y experiencia en este tipo de productos y servicios y firmar un contrato de gestión discrecional en Sistemas Automáticos.

En el caso de contratar un Expert Advisor no son necesarios todos estos trámites administrativos, ya que no se considera un servicio de gestión, el cliente simplemente adquiere su Expert Advisor, lo instala en su plataforma y lo activa o desactiva cuando considera conveniente. No hay un sistema trabajando con su dinero, sino que es el propio cliente el que trabaja con el robot, pudiendo cometer los mismos “errores humanos” que cometía tradicionalmente con sus inversiones.

chaplin 1

¿Son los Sistemas Automáticos el futuro del trading? El New York Stock Exchange afirma que hay semanas en las que la mitad del volumen del mercado la realizan directamente ordenadores sin la intervención de la mano del hombre y los inversores institucionales luchan por obtener la mejor infraestructura y rapidez con el fin de conseguir mayores ganancias. Puede que ese futuro ya sea un presente y para el inversor particular, la mejor manera de poder equipararse con estos gigantes, sea posiblemente a través de los Sistemas Automáticos de Trading.

Seguidamente dejo unos enlaces para quien quiera profundizar sobre este tema:

http://www.cnmv.es/DocPortalInv/OtrosPDF/ES-SistemasTrading.pdf

https://www.ibroker.es/Broker/AutomatedSystems

http://www.elboletin.com/mercados/138457/especulacion-bolsa-velocidad-luz.html

http://cincodias.com/cincodias/2009/08/08/mercados/1249693301_850215.html

Anuncios

Indicadores y Big Data ¿una combinación perfecta?

Indicadores y Big Data ¿una combinación perfecta?

“The cost of light is less than the cost of darkness” Arthur C. Nielsen

Índice PMI (o SMI), IFO, ZEW, Informe Tankan, Chicago PMI, índice de confianza de la Universidad de Michigan, Datos semanales de empleo, Inventarios semanales de petróleo….¿DEMASIADA LUZ?

Hoy en día la información se recibe de manera constante, precisa y puntual. Si esto lo trasladamos al mundo financiero se traduce en un montón de datos que recibimos a lo largo del día: noticias sobre empresas que cotizan en bolsa en cualquier lugar del mundo, rankings de fondos, ratings, análisis de valores, datos macroeconómicos diarios, semanales, mensuales, trimestrales.

Los que he citado al inicio del artículo son algunos de los indicadores seguidos tanto por analistas como por inversores. Muchos  invierten antes del dato y se aventuran  a prever si este será bueno o malo, otros salen del mercado antes de que el dato se publique para evitar los momentos de máxima volatilidad que podrían echarles del mercado. Se trata de esperar una cifra, un dato superior o inferior al anterior, pero ¿se  paran a pensar lo que significa cada uno de ellos?

Para los indicadores hay múltiples clasificaciones: por naturaleza, por comportamiento, por elaboración, por cobertura….Los mercados financieros son especialmente sensibles a los indicadores adelantados (encuestas, índices de confianza) ya que permiten “predecir” la evolución de la economía, frente a los  indicadores retrasados (ventas al por menor, indice de precios al consumo) que ofrecen información sobre el contexto económico con cierto desfase.

¿Qué es el Big Data? Como “definición casera” para aquellos que no lo conozcan, es una tendencia empresarial ligada al marketing on line que se basa en conocer los gustos o intereses de los clientes en función de los datos que constantemente están recibiendo de ellos (lugares donde están, páginas que visitan etc). Una de las empresas pioneras en utilizar el Big Data fue CISCO Systems y muchas otras le están siguiendo más en Estados Unidos que en Europa, donde las leyes son menos restrictivas en cuanto al uso de información.

Ahora es cuando se preguntan ¿Y que tienen que ver los indicadores económicos con el Big Data? Mucho más de lo que en estos momentos pensamos. Ya en el año 2.009 se elaboró el estudio  “Predicting the Present with Google Trends”. En este artículo sus autores informaban que Google Trends proporciona diaria y semanalmente informes sobre el volumen de consultas realizadas a diferentes empresas. Estas consultas podrían estar relacionadas con nivel actual de actividad económica de estas empresas, siendo estos datos útiles para predecir los datos que posteriormente presentará la empresa.

Trasladando esto al terreno de datos macroeconómicos, imaginen por un momento que un dato macro como son las ventas al por menor fuese conocido con antelación a través de la información proporcionada por el Big Data. De nada valdrían las estrategias de entrar con el dato o salir del mercado, ya que en el momento que la información es conocida no afecta a las fluctuaciones del mercado.

Desde hace muchísimo tiempo economistas, inversores y periodistas siguen  datos macroeconómicos diaria, semanal y mensualmente que son presentados con un lapso de tiempo, a medio camino entre los datos dados y los del mes siguiente. Sin embargo los datos obtenidos por fuentes de Big Data como Google  Trends nos facilitan mayor volumen de  información, más precisa y de forma más rápida. Puede incluso que el volumen de información recibida sea incluso difícil de interpretar,  pero depurar datos y hacer uso de la información necesaria es sólo cuestión de tiempo.

La evolución del Big data y la extensión hacia otras parcelas, cambiará en las próximas décadas el paisaje de la política  y de la investigación económica,  no como sustituto, sino como un complemento de los mismos. Por ello más que una amenaza, tenemos que ver en el Big Data una oportunidad para conocer mejor el presente y adelantarnos al futuro.

Para seguir leyendo y conociendo sobre el tema recomiendo los siguientes artículos:

The Data Revolution and Economic Analysis – http://web.stanford.edu/~jdlevin/Papers/BigData.pdf

Big Data gets Bigger

http://www.forbes.com/sites/davidleinweber/2013/04/26/big-data-gets-bigger-now-google-trends-can-predict-the-market/

Jonathan Levin – Research Papers

http://web.stanford.edu/~jdlevin/researchbytopic.html