Mi administradora de fondos y la ciencia de datos: ¿un camino posible?

Descubrimiento de nuevas posibilidades de análisis: por qué se debe explorar el potencial de la ciencia de datos en su administradora de fondos

Las administradoras de fondos están descubriendo oportunidades para optimizar los resultados de la integración de métodos de inversión cuantitativos, nuevas tecnologías y la ciencia de datos. Y lo que caracteriza una administradora exponencial es precisamente su capacidad de generar alfa.

¿Qué tienen en común estas empresas? Ellas invierten en la ciencia de datos y la utilizan estratégicamente en sus operaciones de inversión. Al adoptar enfoques sistemáticos, la estrategia que guía los procesos de inversión – desde la generación de ideas, pruebas de hipótesis, hasta la gestión de riesgos– se sustenta en la construcción de modelos con un mayor potencial de procesamiento basados en datos procedentes de fuentes convencionales y no convencionales. Como resultado, menos riesgo, más transparencia y eficacia en la toma de decisiones. 

Cuando se aplican bien a los motores de análisis desarrollados con prácticas de ciencia de datos, los datos proporcionan más análisis estadísticos, contribuyendo a una visión holística del mercado, aportando ideas para la toma de decisiones de inversión y ampliando los formatos de hipótesis y modelos. Por lo tanto, es necesario utilizar datos de diversos instrumentos económicos y clases de activos, así como datos alternativos, para crear modelos analíticos que evalúen con precisión las tasas de rendimiento y los riesgos de las inversiones.

Los datos alternativos implican ir más allá de los datos financieros, como indicadores económicos, precios de activos y estados financieros, e incorporar datos de compras en sitios de comercio electrónico, tráfico aéreo y marítimo, fuentes de medios y aspectos sociales, medioambientales y de gobernanza (ASG). De este modo, es posible incluir análisis de factores que influyen en el mercado financiero, como tendencias políticas y sociales, así como tendencias de comportamiento. 

La capacidad de obtener estos grandes volúmenes de datos de diversas fuentes, procesarlos y analizarlos se ha convertido en una ventaja competitiva en el contexto económico actual. Y esto no excluye a las administradoras más pequeñas de esta transformación, que puede producirse gradualmente a medida que invierten en tecnología y personal.

Ciencia de datos: agregar valor a las operaciones de inversiones de las administradoras de fondos

La ciencia de datos está cada vez más inmersa en las operaciones de inversión de los activos. Aunque las principales iniciativas están concentradas en la etapa de investigación y generación de ideas para el 80% de los encuestados, la ciencia de datos también desempeña un papel importante en la gestión de la cartera (62%), la evaluación de riesgos (47%) y las transacciones (31%).

Mediante la implementación de prácticas de ciencia de datos, las administradoras de fondos pueden obtener información a partir del cruce y mayor volumen de datos convencionales y alternativos para capitalizar nuevas oportunidades de inversión. Además, el uso de un gran volumen de datos permite análisis más precisos, y, por lo tanto, una mayor eficacia en la gestión de riesgos inherentes al buy-side. 

Según el estudio, las administradoras de fondos que ya adoptaron la ciencia de datos reconocen que podrían hacer más si contaran con un equipo más cualificado, más tiempo y experiencia para identificar la tecnología adecuada. Básicamente, construir un equipo multidisciplinario y colaborativo, con profesionales con conocimiento de finanzas, estadísticas, comportamiento y tecnología es fundamental para extraer el máximo valor de los datos que se utilizarán para la construcción de los modelos analíticos. 

Entre las empresas participantes en el estudio que buscan aplicar la ciencia de datos en sus operaciones, dos tercios señalan que necesitan invertir en personas para gestionar esta estrategia de datos. Las principales medidas necesarias que destacan son: mejorar las cualificaciones del equipo existente, contratar más personas e incorporar consultores externos.

¿Cuáles son los reales desafíos en la adopción de la ciencia de datos?

Según la investigación, el tema presupuestario aparece como el cuarto desafío más citado por las administradoras de fondos brasileñas cuando se trata de incrementar el papel de la ciencia de datos en sus operaciones.

Para avanzar en el enfoque basado en datos y hacerlos procesables, estas organizaciones necesitan establecer una estructura tecnológica que permita la recopilación, limpieza, procesamiento y visualización de datos, así como la creación de aplicaciones para el análisis de la información. 

Otro paso importante es la adquisición de datos fiables y de calidad. Los datos convencionales ya son habituales para las administradoras de fondos, como los indicadores económicos, los precios de activos y los estados financieros. Además, son proporcionados por plataformas y ampliamente utilizados en los procesos de inversión debido a su fiabilidad y seguridad. 

Al añadir, cuando sea necesario, datos históricos y en tiempo real al análisis, como precios, noticias, redes sociales, consumo, datos de geolocalización y otros, las empresas deben buscar proveedores y plataformas de datos fiables. La selección de proveedores debe tener en cuenta aspectos como la frecuencia de los datos, la curaduría, el formato de entrega, la conectividad, la estabilidad de las herramientas y los medios de distribución de la información.

Además de elegir qué datos se procesarán es necesario definir cómo se almacenarán (en la nube o en las instalaciones propias), lo que requiere un presupuesto no solo para la adquisición, sino también para contratar servicios de hosting y de talento especializado, como ingenieros y científicos de datos.

Otra preocupación es la seguridad del entorno que garantice el flujo operativo basado en datos, por lo que es necesario crear normas de cumplimiento relativas a cómo se almacena esta información en la nube y en las instalaciones y cómo se accede a ella para respaldar los modelos de diseño, ejecución de operaciones, asignación en fondos y carteras, pérdidas y ganancias, conciliación de contrapartes y otras funciones.

Sin embargo, la implementación de prácticas de ciencia de datos en el análisis financiero es un proceso altamente complejo que involucra no solo inversiones en tecnología y talento, sino también un cambio cultural que debe ser apoyado por el liderazgo y ver los primeros resultados en el mediano plazo.

¿Qué se necesita para construir una infraestructura de Ciencia de Datos?

En un modelo de decisión basado en el acceso a los datos, la administradora de fondos debe crear un ecosistema sólido para procesar y distribuir la información de forma holística. Para implantar una estructura de gestión de datos, desde la recopilación hasta el análisis y el aprendizaje automático, es necesario construir una cinta de procesamiento de datos para extraer y limpiar los datos, comprobar si hay incoherencias, introducirlos en el lago de datos, almacenarlos y exhibirlos a los usuarios.

El gran desafío es estructurar canales de datos robustos y automatizados para implementar motores de análisis. Además de definir criterios para seleccionar y procesar los datos adquiridos, el administrador debe decidir cómo se construirán y almacenarán estos flujos de datos y cómo se gestionará este flujo de trabajo. Existen numerosas soluciones disponibles en el mercado para estas funciones, como gestores de workflow/pipeline, infraestructura como código (IaC), nubes y soluciones distintas para datos estructurados y no estructurados.

Pipeline de datos: qué tecnologías se necesitan en cada etapa del ciclo de vida de los datos?

Desde la recopilación a la preparación y el análisis.

Captura

Soluciones de captura y unificación de datos desde diversas fuentes para el almacenamiento en la nube y en las instalaciones.

Almacenamiento de datos brutos

Datos no procesados o en estado bruto se refieren a información que se recopila y almacena exactamente como se obtiene, sin ninguna transformación, limpieza u organización significativa directamente de las fuentes, como bases de datos, registros de operaciones, dispositivos, medios sociales y otras fuentes de recopilación de datos.

Procesamiento

El procesamiento de datos se puede hacer tanto en lotes como en flujos (continuamente a medida que llegan nuevos datos), en función de la tecnología elegida.

Catálogo

Recurso tecnológico encargado de organizar, integrar y mover datos para el desarrollo de aplicaciones y modelos.

Acceso al data lake

Repositorio centralizado de datos estructurados y no estructurados, que pueden ser de diferentes fuentes y formatos.

Modelos de aprendizaje automático

Tecnologías que ayudan a ejecutar modelos de aprendizaje automático personalizados.

Visualización, API y almacenamiento de datos

Aquí es donde entran en juego las soluciones que permiten explorar mediante reglas de catalogación, así como la visualización de la información generada a partir de los datos introducidos, procesados y analizados.

Análisis de inversiones

Uso de tecnologías de visualización de datos y modelos para generar información y contribuir a la toma de decisiones.

Además, el lenguaje de programación Python está fuertemente relacionado con la ciencia de datos, siendo hoy en día uno de los más populares del mundo. Python permite a los científicos de datos crear modelos y clasificadores que categorizan datos con precisión. Con esto en mente, muchos analistas buscan aprender este lenguaje para avanzar en sus análisis y ganar una mayor autonomía en relación con el equipo de TI. 

 Todos estos procesos interfieren directamente en la calidad, la visualización de datos y la forma en que el modelo operará para garantizar rentabilidad, reducir riesgos y generar alfa. Por eso es importante contar con socios especializados que ofrezcan las mejores plataformas y actúen de forma consultiva para obtener los mejores resultados.  Sobre todo, estos socios deben ofrecer tecnologías escalables, apoyo y acompañamiento de profesionales especializados, así como soluciones flexibles y abiertas que puedan integrarse fácilmente, como soluciones disponibles en las API, además de interfaces fáciles de usar entre equipos multidisciplinarios.

Conclusión

La ciencia de datos está trazando nuevos caminos para las administradoras de fondos en su búsqueda para generar alfa. Esta habilidad de incorporar el análisis a un mayor volumen de datos en los procesos de toma de decisiones sobre inversiones definirá qué empresas están en el camino de convertirse en una administradora exponencial. 

Una cultura de ciencia de datos es posible cuando se asumen riesgos, ya que será necesario una curva de aprendizaje, revisión de modelos y adquisición de nuevas habilidades para afrontar la complejidad tecnológica y analítica. No existe una guía definitiva para aplicarla, por lo que los directivos deben combinar enfoques cuantitativos y discrecionales a medida que avanzan en la madurez de la ciencia de datos.

Construir y mantener una imagen y una reputación en el mercado es un proceso que debe evaluarse constantemente, independientemente del número de empleados o de los activos bajo gestión (AUM). El aumento de las prácticas basadas en datos puede materializarse de manera gradual, según las prioridades de negocio y el conocimiento de dónde se quiere llegar. 

¿Quiere evolucionar en el camino exponencial y potenciar el uso de los datos en su gestión para ser más competitivo? Las tecnologías de ciencia de datos, QUANT y analítica de Bloomberg están diseñadas para apoyar a los analistas cuantitativos a gestionar y analizar datos de diversas fuentes, evaluar hipótesis y crear visualizaciones interactivas. ¡Cuente con nosotros! 

Este es otro contenido desarrollado por Bloomberg para ayudar a las administradoras de fondos a ser más estratégicas en la gestión de recursos enfocados en la ciencia de datos, la gestión sistemática y quantamental, la computación en la nube y el desarrollo de sistemas. Vea otros materiales que hemos preparado para apoyar a su empresa en la transición digital.

¿Quiere iniciar el viaje de la utilización de datos en su gestora de inversión? Las tecnologías de ciencia de datos, QUANT y analítica están diseñadas para ayudar a los analistas a gestionar y analizar datos de forma exponencial y crear visualizaciones interactivas. Cuente con Bloomberg, pregunte por los expertos (LPLINK).