Los mecanismos que pueden hacer caer la bolsa por un tweet
Negocios

Los mecanismos que pueden hacer caer la bolsa por un tweet

El antecedente de la agencia Associated Press despertó las dudas sobre el sistema utilizado por el mercado bursátil. Cómo funciona y las consecuencias. 

Por Matthew Philips 08 de Julio 2013



El tweet falso que salió de la cuenta hackeada de Associated Press
, que reportaba explosiones en la Casa Blanca y que el presidente Obama se encontraba herido, renovó las críticas hacia las operaciones de alta frecuencia (HFT, por sus siglas en inglés). Y en particular a cómo algunos de estos negocios por computadora usan las redes sociales como una fuente de información para sus estrategias comerciales.

A pesar de que pasarán meses antes de que se pueda saber qué fue lo que pasó exactamente, el consenso indica que un puñado de algoritmos respondieron a esa falsa información y vendieron una amplia variedad de acciones, bonos y commodities. A medida que el tráfico del mensaje se disparaba y los precios comenzaban a caer, las firmas de HFT comenzaron a retirarse del mercado, de la misma forma que lo hicieron durante el Flash Crash de mayo de 2010. Como resultado, la liquidez se evacuó, como puede verse en este gráfico de Nanex. Y cómo de repente hubo solo muy pocas órdenes de compra para compensar la gran cantidad de órdenes de venta que inundaban el mercado, la caída ganó en velocidad.

“Cuando la cantidad de operaciones se recorta tanto, solo hacen falta unos pocos intercambios para mover todo el mercado”, dice Manoj Narang, CEO y fundador de Tradeworx, una firma de HTF ubicada en Red Bank (N.J.). Cuando se dio cuenta del incremento en el tráfico de mensajes, Narang ordenó a sus operadores frenar las órdenes que estaban enviado al mercado. “Cuando uno está en el negocio de colocar ofertas y sucede algo de lo que uno no está seguro, lo natural es retroceder”.

Caida_-_GOOGLE_-_IMG_crop_1350580917427.jpg
En sólo dos minutos, el Dow cayó 140 puntos, el índice S&P perdió cerca de 1 punto porcentual y un estimado de US$ 200.000 millones en capitalización de mercado en Estados Unidos se habían desvanecido. Y a medida que se confirmaba que el tweet había sido falso, los precios comenzaron a estabilizarse. Un gráfico de ese día muestra un profundo pozo en el medio, casi como si lo hubieran acuchillado.

Si bien hay firmas que comenzaron a incursionar con herramientas de análisis y agrupación de datos para explorar fuentes de noticias en busca de información útil, la mayoría no opera directamente a partir de esos datos. Y son menos las que realmente utilizan Twitter, a pesar de que hace poco más de un mes recibió la bendición de los reguladores para ser un conductor de información para operar en el mercado.

Una de las formas más comunes en las que las firmas financieras conectan esta información a sus modelos es a través de firmas intermediarias como RavenPack, que agrega noticias de miles de fuentes de datos. Cada día sus sistemas entregan entre 20.000 y hasta 50.000 “mensajes limpios” a partir de cables y otras fuentes profesionales de información.

A cada mensaje se le asigna un número de sentimiento entre el 0 y el 100 para decirle a los clientes si se trata de una noticia negativa o positiva para las compañías mencionadas. Para la mayoría, se trata de una porción más de datos para agregar a sus modelos de transacciones. Según el CEO, Armando Gonzalez, RavenPack vende esta información a 12 de los 20 fondos de inversión con mejor rendimiento del mundo.

Sin embargo, hay una gran diferencia entre tomar la información que RavenPack le envía a sus clientes e incluir el inmenso feed de Twitter directamente al algoritmo de transacciones, y permitirle al modelo que realice operaciones instantáneas a partir de esos datos a través de algún tipo de programa de análisis de texto. Claramente eso es lo que algunas firmas están haciendo.


Breaking news. La falsa noticia fue desmentida rápidamente y otra noticia nació: los mercados cayeron estrepitosamente.

Gonzalez dice que algunos de sus clientes le dijeron que un puñado de empresas no filtran la información y llevan directamente los mensajes de Twitter a sus algoritmos. “Hay algunas firmas de HFT que, yo diría irresponsablemente, agregaron feeds crudos de Twitter a sus sistemas”, afirma el ejecutivo. González dice que no conoce los nombres de esas compañías. Tampoco lo sabe Narang. “Estoy seguro de que existen, pero no creo que sean muchas, ni que sean muy grandes”, asegura.

Gnip, DataSift y Topsy le pagan a Twitter para acceder a los 400 millones de tweets que todos los días publican los usuarios de la plataforma. Ellos toman este “torrente” de datos y los personalizan para anunciantes, firmas de investigación y, cada vez más, operadores bursátiles. Según Seth McGuire, director de desarrollo de negocios de Gnip, en Boulder, Colorado, los fondos de inversión comenzaron a contactar a la compañía hace dos años, preguntando por el feed de Twitter. Hoy, McGuire dice que Gnip vende el feed sin curar de Twitter a “más de una docena” de fondos de inversión, cada uno de ellos con carteras de al menos US$ 1000 millones.

Antes de su lanzamiento en noviembre de 2011, la compañía basada en San Francisco DataSift ya recibía “una gran cantidad de llamados de todo tipo de fondos, grandes bancos de inversión e incluso operadores individuales, que preguntaban por un feed de social media”, dice el CEO, Rob Bailey. Hoy, las firmas de servicios financieros forman parte de la lista de 150 clientes corporativos que le pagan a DataSift entre miles y decenas de miles de dólares por mes para obtener feeds personalizados de medios sociales, entre los que se encuentra Twitter. “Costamos menos de de lo que algunos bancos de inversión gastan en pizza”, dice Bailey.

Él asegura que no tiene idea acerca de su alguno de sus clientes operó con el tweet falso. “Si hay una lección para aprender, es lo importante que es tener científicos de Big Data en el staff y que no se debe simplemente enchufar Twitter dentro del algoritmo”.

Como señala Narang, el gran número de operaciones realizadas por computadoras es es estadística en estado puro, lo que significa que los algoritmos buscan patrones históricos en los datos de mercado que analizan todos los días. El problema con los tweets es doble. Primero son muy ruidosos, por lo que tomar una señal decente a partir de ellos requiere mucho análisis. Pero, también, a pesar de que unos 400 millones de tweets son enviados todos los días, todavía no hay una suficiente cantidad de datos históricos. Todavía es un servicio muy nuevo. “Simplemente no es posible destinar una gran cantidad de capital para encontrar patrones en Twitter”, dice Narang. “Entonces la confiabilidad se pone en tela de juicio”.

La cuenta hackeada de AP es el segundo gran problema de seguridad que enfrenta Twitter este año. En febrero, hackers lograron ingresar a una base de datos de direcciones de correo electrónico y contraseñas de unos 250.000 usuarios. Y ahora que hay miles de millones de dólares en transacciones basados en información de Twitter, los expertos en operaciones informáticas creen que esto abre una ventana a un nuevo tipo de crimen financiero.

“Este incidente es un ejemplo de cómo la manipulación de mercado se encuentra con el terrorismo”, afirma John Bates, CTO de Progress Software, una firma que diseña programas de trading y compliance. “Un escenario catastrófico sería que al-Qaeda toma el control de un fondo de inversión y oriente al mercado para hacer miles de millones en ganancias o para destruirlo por completo”.



¿Te gustó la nota?

Comparte tus comentarios

Sé el primero en comentar

Videos

Notas Relacionadas