De 'big data' a 'big alpha'

Cada minuto que pasa en la red, se envían 204 millones de correos electrónicos, se realizan más de 2,7 millones de búsquedas en Google, y se envían 50.000 millones de mensajes por Whatsapp. El mundo evoluciona a una velocidad vertiginosa impulsada por la tecnología. Los inversores no deben quedarse atrás. Desde que en 1985 se incorporara el análisis fundamental al proceso de gestión de la gestora internacional BlackRock, el equipo de Scientific Active Equity (SAE) ha mantenido la constante de innovación. Esa tendencia evolucionó para añadir, primero, el análisis del sentimiento inversor -¿están positivos o negativos con esta compañía?- , luego la calidad del balance y de los beneficios, después el flujo de dinero para evitar caer en «modas» y recientemente las temáticas 'macro' para distinguir qué valores o sectores lo harán mejor en un determinado contexto económico. Pero desde hace casi una década, hace falta ese 'algo más': el 'big data'. 

El 'big data' no es más que una evolución del análisis, explica Manuel Gutiérrez-Mellado, miembro del equipo de ventas retail e institucional para Iberia de BlackRock. Las 90 personas que componen el equipo de SAE, una mitad por gestores y la otra por analistas, combinan el análisis cuantitativo y el fundamental para buscar «señales o factores de inversión» que puedan ayudar en la construcción de las carteras. «Hay que ser conscientes de que mucho de lo que se genera es ruido, pero se empieza a ver un trasfondo que afecta tanto al crecimiento económico como al comportamiento de los consumidores», afirma Gutiérrez-Mellado.

Así funciona

El 'big data' es un aliado para generar 'big alpha', pero hace falta contar con la tecnología. Como para procesar la información relevante de las presentaciones de resultados. «Podríamos tener a un ejército de analistas estudiando cada compañía o una máquina, mucho más veloz», apunta el experto. Es lo que están aplicando en su gama de alternativos líquidos, como el BSF Americas Diversified Equity Absolute Return. Los algoritmos SAE «leen» las transcripciones de las conferencias, convierten información textual desestructurada en estadísticas con las que puntúan y colocan en un ranking a los valores, según qué factores se quiera analizar. 

Eso permite ver en cuestión de segundos si el CEO de una compañía emplea términos más negativos que positivos, si menciona la palabra recesión, qué preguntan los analistas, etc. Ello ha demostrado ser un excelente medidor de cambios en las previsiones de los analistas. Pero también puede servir para establecer correlaciones entre sectores o compañías a problemas y cambios en la microeconomía. E incluso, del comportamiento del consumidor. Lo podemos apreciar en los gráficos. El Michigan Consumer Sentiment -el dato por excelencia para medir el sentimiento del consumo americano- indicaba una tendencia positiva desde agosto de 2014, pero luego no coincidían con la realidad de las ventas. ¿Por qué? Una pista clara se podría haber encontrado en Internet. El índice SAE de búsquedas en la red mostraba como en esas mismas fechas tanto las búsquedas de temas relacionados con coches, bienes de lujo o de marca blanca, caían. Prácticamente en línea con las ventas finales. La explicación es sencilla: por los hábitos del consumidor. Antes de realizar una compra grande, uno se informará en webs o foros de las mejores opciones. Esa misma técnica se puede aplicar para captar el sentimiento del mercado -analizando las temáticas de las entradas en blogs financieros de referencia- o de la fortaleza de una marca -con opiniones de sus trabajadores-.