El año pasado, en un artículo sobre el impacto de los macrodatos en las finanzas, mencionamos la idea de que los conjuntos de geolocalización pueden simplificar la práctica de la inversión. La idea es que los datos precisos sobre el movimiento de los consumidores pueden proporcionar información sobre las tendencias de consumo y, por tanto, potencialmente, los correspondientes movimientos del mercado. En este artículo, vamos a ampliar esa idea general con un examen más detallado de la posible influencia de los macrodatos en las finanzas personales.
Big Data y la inversión en la actualidad
En primer lugar, es necesario discutir brevemente el estado actual del big data en el mundo de la inversión. En el artículo, como se ha mencionado anteriormente, cubrimos principalmente una idea de cómo los datos, y en concreto geolocalizaciónpueden aplicarse a la gestión de los mercados. Sin embargo, lo cierto es que algunos importantes fondos de inversión y empresas financieras ya están utilizando ingentes cantidades de datos de todo tipo para fundamentar sus decisiones de inversión.
A este nivel, la IA y el big data están transformando el proceso de inversión de varias maneras (y a través de empresas tan grandes como JP Morgan, BlackRock, SoFi y otras). En algunos casos, se están utilizando laboratorios de IA para analizar el rendimiento de los inversores y recomendar cambios que den un resultado rápido y significativo. En otros, las aplicaciones avanzadas de IA están utilizando un enfoque de aprendizaje profundo para cribar cantidades asombrosas de datos con el objetivo directo de predecir los precios de las acciones en un futuro próximo. Por ejemplo, se examinan las compras de coches en tiempo real para predecir las acciones de Rolls Royce. Los resultados de este tipo de enfoques son desiguales, pero el potencial de la analítica verdaderamente predictiva en la inversión a gran escala es significativo.
No existen operaciones completas de IA de esta naturaleza centradas explícitamente en el uso de geolocalización. Sin embargo, los enfoques de aprendizaje profundo son razonablemente completos en teoría. Ciertamente, pueden hacer uso de este tipo específico de datos y de los precios de las acciones, los datos de las empresas, los indicadores macroeconómicos, los historiales de los activos, etc. geolocalización puede utilizarse principalmente como una pieza de un esfuerzo analítico más amplio.
Herramientas de inversión automatizada
While significant investment firms may be well situated to take advantage of big data and act on it quickly, most ordinary people can’t do the same. A true day trader with access to adequate data (on locations and otherwise) may be able to make quick decisions to react to fresh information. But for most people who are simply managing and tracking stock portfolios it’s more realistic to attempt to leverage data relating to broader movements. That’s where some of today’s automated investing tools come into play, especially in some online depot tools.
Cuando oyes hablar de herramientas automatizadas, es posible que pienses primero en aplicaciones móviles como Acorns y Stash que pueden, hasta cierto punto, gestionar tus inversiones por ti. Por lo general, estas aplicaciones le permiten crear una cartera -o al menos un tipo de colección- basada en su aversión al riesgo y/o preferencias de categoría. A continuación, llevan a cabo operaciones de acuerdo con sus preferencias, de manera que su dinero se pone a trabajar para usted de forma automatizada.
Sin embargo, la automatización también interviene en los métodos de negociación más tradicionales, e introduce una forma interesante de aprovechar potencialmente los grandes datos. En algunas plataformas, cuando negocian contratos por diferencia o futuros de acciones, por ejemplo, los inversores pueden poner límites de ganancias y pérdidas en sus posiciones. Esto significa que, si bien los inversores siguen determinando los puntos de entrada en las acciones individuales, pueden establecer salvaguardias automatizadas que retirarán el dinero cuando se haya alcanzado un determinado beneficio o se haya producido una determinada pérdida. Mediante este tipo de característica, los inversores pueden seguir estableciendo sus inversiones y contratos, pero confían en la automatización para gestionarlos después.
Todo esto se relaciona con los grandes datos porque puede ser más cómodo para un inversor hacer una jugada a largo plazo basada en los grandes datos que una operación a corto plazo. Para ofrecer un contraste fácil, considere el consumidor geolocalización basado en el lanzamiento de un producto frente al basado en una tendencia más significativa. Una película de éxito sorprendente podría dar lugar a datos que sugieran un aumento a corto plazo del número de espectadores, de modo que un operador diario o un fondo más grande podría beneficiarse invirtiendo en los principales cines. Pero es probable que el inversor medio no pueda reconocer esos datos y actuar con la suficiente rapidez. Por otro lado, si el consumidor geolocalización indicara un retorno generalizado y gradual a los centros comerciales en 2021 (cuando se han abandonado en gran medida en 2020), un inversor podría hacer una jugada para comprar acciones en grandes almacenes, con límites automatizados establecidos. En resumen, las opciones automatizadas permiten tomar posiciones más responsables a largo plazo, de modo que los inversores pueden sentirse más cómodos al intentar aprovechar determinados tipos de datos.
Ubicación y pago digital
Como probablemente haya observado en las secciones anteriores, uno de los problemas de los big data en la inversión personal es que la mayor información y los mejores análisis tienden a pertenecer a los gigantescos fondos y compañías financieras. Aunque hay formas de que los particulares accedan a un análisis más avanzado de los datos relacionados con la inversión, no es fácil competir en el día a día. A veces, los fondos importantes interpretan los datos y se mueven en una tendencia con tanta rapidez que no quedan muchas oportunidades para los demás.
Sin embargo, esta es la razón por la que geolocalización puede resultar especialmente interesante para los inversores particulares. Cuando hablamos de análisis de datos exhaustivos realizados por las principales empresas financieras, nos referimos a todo tipo de material en profundidad que resulta difícil de manejar para un particular o, en algunos casos, incluso de conseguir. En cambio, geolocalización puede resultar más cómodo en un futuro próximo.
Esta afirmación se basa en el simple hecho de que los pagos electrónicos están en alza; se estima que en 2019, unos 2.100 millones de consumidores han utilizado un monedero digital de un tipo u otro, y de cara al futuro, es probable que aún más personas adopten los pagos digitales. Estos tipos de pagos están destinados a ser más seguros y convenientes para los consumidores y las empresas por igual, pero también son generalmente más rastreables. En teoría, es posible que pronto sea fácil acceder a la información sobre el gasto digital de los consumidores (a través de libros de contabilidad públicos, informes de empresas de procesamiento de pagos, etc.). Esto convertiría a la página web de los consumidores geolocalización en algo a lo que los inversores individuales podrían acceder y utilizar con relativa facilidad en comparación con otros tipos de datos relevantes.
En conclusión
El uso de big data en la inversión es todavía un concepto en evolución que tiene menos que ver con los inversores individuales que con los grandes fondos. Sin embargo, ciertos métodos de inversión y ciertos tipos de datos pueden ser de utilidad para los operadores independientes, y probablemente solo serán más útiles para avanzar.
James es el jefe de marketing de Tamoco
Dejar una respuesta