Etiqueta: Cénit

Por Julio César Briseño Cruz, CEO de Cénit, consultoría empresarial y banca de desarrollo
Las soluciones empresariales no se reducen a implementar tecnología de punta y digitalizar funciones. Por ejemplo, las operaciones automatizadas son tácticamente brillantes, pero también pueden desalentar la investigación de mercado seria.
Aunque las computadoras detectan oportunidades de fracciones de segundo para superar a la competencia, y representan más de la mitad de todas las operaciones bursátiles en Estados Unidos, de manera simultánea parecen expulsar a los operadores que obtienen su ventaja de la investigación fundamental.
Los hechos son éstos: los algoritmos se emplean para anticipar y beneficiarse de los grandes movimientos causados por fondos “lentos”: Detectan cuándo los fondos mutuos están a punto de comprar grandes volúmenes de una acción en particular, por ejemplo, y dirigen el sistema para que, inmediatamente, comience a comprar acciones.
Es decir, los operadores algorítmicos pueden aprovechar un salto breve y predecible en el precio de las acciones a medida que los fondos mutuos hacen su movimiento.
En teoría, el comercio automatizado permite que el mercado sea más eficiente al acelerar el descubrimiento de precios, basado en patrones ya descubiertos, y en segundo lugar, conduce a mayores volúmenes de negociación, lo que potencialmente puede reducir el costo de las transacciones individuales.
Hasta aquí todo parece perfecto. Sin embargo, existe una fuerte evidencia de que los operadores automatizados parecen expulsar a quienes obtienen su ventaja de la investigación fundamental. Para las acciones de pequeñas empresas, tal desplazamiento conduce a menos investigación fundamental sobre acciones particulares, y también a menos información en el mercado.
Aunque parezca increíble, ralentizar podría ser bueno para los mercados y para la economía.
El comercio automatizado expulsa a los comerciantes que obtienen su ventaja al realizar investigaciones fundamentales. Si un administrador de cartera intenta obtener una ventaja a través del análisis fundamental, sus conocimientos son menos valiosos ante un sistema de comercio automatizado, que puede inferir las operaciones planificadas y actuar sobre ellas antes de tener la oportunidad de realizarlas.
Los algoritmos comerciales permiten tácticas como el «back-running», en el que un sistema busca señales de que una gran institución se prepara para comprar o vender una acción en particular, y luego se adelanta a realizar tal acción sí solo.
Sin embargo, los grandes gestores de fondos saben que no pueden comprar grandes bloques de acciones a la vez, por lo que a menudo dividen sus compras en pedidos más pequeños.
Sin embargo, para las órdenes más difíciles de ejecutar, a menudo necesitan comenzar a comprar a primera hora de la mañana. Los sistemas de negociación algorítmica, entonces, reconocen rápidamente esas compras tempranas e inmediatamente comienzan a comprar las mismas acciones en previsión de que las compras a granel del fondo aumenten temporalmente su precio.
Un algoritmo no se preocupa por la información fundamental o el análisis, pero puede extrapolar los conocimientos de otra persona a partir de su comportamiento comercial.
Si hay suficientes operadores algorítmicos alrededor, pueden crear un gran desincentivo para que otros comerciantes inviertan en investigación original, especialmente cuando se trata de empresas más pequeñas con un menor volumen de operaciones.