Big data y finanzas

Una de las áreas de la industria financiera que se ha visto afectada dramáticamente por los grandes datos es las actividades comerciales de los bancos y otras instituciones financieras. Un ejemplo es la negociación de alta frecuencia (HFT), una relativamente nueva forma de comercio que depende de la capacidad de ejecutar grandes volúmenes de transacciones en intervalos de tiempo muy cortos. Comerciantes HFT ganan dinero mediante la ejecución de un gran número de operaciones, cada uno de ellos obtiene un beneficio minúsculo.

A diferencia de los operadores tradicionales, los operadores HFT no intentan ocupar cargos por un largo período de tiempo y no basan sus operaciones en factores fundamentales como las tasas de interés, tipos de cambio, precios de los productos básicos, y así sucesivamente. El éxito de las operaciones HFT depende fundamentalmente de la velocidad de ejecución, ya que se basan en las rápidas fluctuaciones en los precios de mercado.

A medida que más y más recursos se han dedicado al comercio de HFT en el último par de años, dando lugar a una "carrera armamentista" en hardware y software progresivamente más rápido, la rentabilidad de las operaciones de alta frecuencia ha disminuido. A medida que la velocidad de las transacciones ha aumentado, la capacidad de hacer dinero basado en la velocidad por sí solo ha disminuido. Nuevos aumentos en la velocidad están llevando los rendimientos decrecientes de manera constante - el beneficio por transacción se ha hundido. Como resultado, el éxito comercial depende ahora cada vez menos en el hardware y en el software más en forma de algoritmos de negociación sofisticadas.

Un algoritmo es un conjunto de instrucciones que se utilizan para llevar a cabo un procedimiento, como una especie de receta. Los algoritmos son muy utilizados por los científicos de la computación para instruir a los equipos sobre la manera de realizar diversas tareas, como la realización de operaciones matemáticas.

El uso de algoritmos avanzados de estrategias de negociación conlleva varias ventajas potenciales, como la capacidad de probar ideas sobre datos históricos antes de arriesgar dinero. Con el comercio de HFT, no hay tiempo para probar las estrategias comerciales potenciales, ya que deben ser implementadas de inmediato.

Otra ventaja de utilizar algoritmos de negociación es que pueden estar basadas en las variables fundamentales, como las tasas de interés y tipos de cambio, en lugar de simplemente buscar a través de oficios para buscar cambios temporales de precios. Como resultado, los algoritmos pueden ser desarrollados para encontrar cada vez más complejas relaciones entre los precios de los valores y utilizar esta información para obtener beneficios comerciales. Big Data mejora comercio algorítmico, proporcionando la capacidad de buscar a través de enormes volúmenes de datos en busca de patrones que podrían no ser detectables con pequeñas cantidades de datos o velocidades de procesamiento más lento.

Con la reducción de los beneficios procedentes de HFT, comercio algorítmico parece tener un futuro brillante, como el aumento de la disponibilidad de los datos y la velocidad de la computadora permiten cada vez más sofisticados algoritmos para desarrollarse.