¿Qué son los datos alternativos?
El término se refiere a cualquier información sobre un instrumento financiero procedente de fuentes no tradicionales. Las fuentes convencionales utilizadas por los profesionales de la inversión suelen incluir documentos presentados ante la SEC, registros financieros, comunicados de prensa e informes de los medios de comunicación.
A veces, los analistas necesitan complementar o respaldar sus conocimientos, por lo que intentan encontrar información de otras fuentes, como la opinión de las noticias, las redes de expertos y los datos recopilados en la web, por ejemplo, lo que se denomina «datos alternativos».
En este contexto, existen dos fuentes principales de datos a las que pueden recurrir los gestores de inversiones:
1. Datos tradicionales: informes financieros, noticias, informes comerciales, documentos presentados ante la SEC.
2. Datos alternativos: pagos, geolocalización, redes sociales y satélites.
¿Cómo se generan los datos alternativos?
Los datos alternativos pueden provenir de muchas fuentes, como hemos explicado anteriormente.
Pero, ¿quién crea estos datos?
Hay tres fuentes principales de datos alternativos:
1. Particulares: las personas normales generan enormes cantidades de datos cada día, a través de las interacciones en las redes sociales, el trabajo y las búsquedas en Google, Bing y Yahoo. Cada vez que alguien publica un comentario o una reseña en un sitio de comercio electrónico, crea datos alternativos que indican patrones de comportamiento. Estos datos se consideran «datos alternativos no estructurados» y pueden utilizarse como uno de los muchos factores en el proceso de toma de decisiones de las empresas.
2. Empresas: por su parte, las empresas tienden a crear datos estructurados que son más fáciles de analizar y pueden proporcionar una visión más profunda a la hora de tomar decisiones financieras. Esto incluye los datos transaccionales, es decir, los datos que se generan como resultado de una compra, una transacción con tarjeta de crédito o similares. Los datos de organismos gubernamentales, impuestos, etc. también se incluyen en este grupo.
3. Datos generados por el Internet de las cosas (IoT): estos datos suelen ser no estructurados, ya que son generados por sensores y dispositivos finales. Los dispositivos IoT, como los televisores inteligentes, los sistemas de punto de venta (POS), los sensores de aparcamiento y de tráfico, proporcionan datos útiles que, si se analizan adecuadamente, pueden ofrecer información muy valiosa. Por ejemplo, la frecuencia con la que las personas pasan por una determinada calle o la frecuencia con la que los clientes visitan un determinado centro comercial. En este grupo se incluyen los datos generados por teléfonos móviles y otros sistemas basados en la geolocalización.
Los diferentes tipos de datos alternativos
Datos web: búsquedas web, tasas de clics, datos demográficos web. Esto es especialmente útil para la investigación de marketing y comercio electrónico.
Datos sobre la opinión social: comportamiento de los consumidores y reacciones al contenido y posicionamiento de las marcas. Esto incluye comentarios, interacciones en línea, tuits y publicaciones. Esto puede orientarle sobre las tendencias actuales del mercado y los cambios en el comportamiento de los consumidores.
Datos de geolocalización: este tipo de datos puede ayudar a las empresas a comprender, por ejemplo, qué ubicaciones tienen una mayor demanda de productos específicos. Los inversores inmobiliarios también pueden utilizar este tipo de datos para identificar áreas con perspectivas positivas para el desarrollo de proyectos basándose en puntos de datos alternativos, como las normas de zonificación o las nuevas infraestructuras que se están construyendo.
Transacciones con tarjeta de crédito: los datos transaccionales pueden rastrear los ingresos minoristas y los hábitos de pago para la evaluación de préstamos, con el fin de anticiparse a los informes de ganancias de las empresas minoristas e identificar los patrones de gasto discrecional de los consumidores.
Transacciones en puntos de venta (POS): pueden proporcionar información sobre el volumen de ventas, el comportamiento de los consumidores, qué productos son populares y qué métodos de pago prefieren los diferentes segmentos de consumidores.
Imágenes meteorológicas y satelitales: aunque estos datos se recopilan principalmente en bruto (como imágenes), pueden introducirse en algoritmos y/o herramientas analíticas que permiten extraer conclusiones y predicciones concretas. Por ejemplo, medir las actividades económicas de una determinada zona o grupo demográfico, incluyendo la hora del día en que se producen los picos de actividad, así como el número de tiendas que están abiertas o activas (esto resultó especialmente útil durante la pandemia del coronavirus para ayudar a las personas a evitar las tiendas concurridas y, por lo tanto, reducir las tasas de infección).
¿Por qué son tan populares los datos alternativos?
Las empresas de gestión de inversiones aprovechan los datos para identificar patrones y obtener información única sobre los productos de inversión. Los fondos de cobertura fueron de los primeros en aprovechar las tecnologías de análisis de datos y el big data, seguidos de cerca por los gestores de capital privado. Estas mismas empresas «vanguardistas» están liderando la carga en términos de datos alternativos: los primeros en adoptarlos están en posición de beneficiarse al máximo, antes de que los datos alternativos disfruten de una adopción generalizada.
¿Qué hace que los datos alternativos sean tan atractivos?
Los enormes conjuntos de datos disponibles ofrecen una ventaja potencial sobre la competencia. Se espera que la cantidad de datos globales generados alcance los 163 ZB en 2026. Eso significa más datos para alimentar las herramientas de IA, más patrones y tendencias potenciales por descubrir y más posibilidades de obtener una ventaja sobre la competencia.
Teniendo esto en cuenta, las empresas de inversión están contratando a científicos y analistas de datos a un ritmo cada vez mayor para ayudar en estas tareas de minería de datos. Según el Financial Times, el número de analistas de datos en las empresas de inversión está creciendo exponencialmente.
¿Cuál es el papel de los datos alternativos en la inversión basada en modelos?
La inversión basada en modelos se refiere al uso de modelos de datos analíticos con el fin de obtener información sobre el sector financiero en general y la inversión en particular. Aunque la mayoría de las empresas aún no han abandonado por completo las fuentes de datos tradicionales, los datos alternativos son cada vez más importantes para las empresas de inversión que tratan de identificar ideas nuevas e innovadoras para generar un mayor alfa.
Definición rápida: Según Investopedia,«alfa (α) es un término utilizado en inversión para describir la capacidad de una estrategia de inversión para superar al mercado o su ventaja».
Además, debido a la COVID-19, se ha producido un mayor cambio hacia las actividades en línea y un mercado digital que está llevando a los bancos y a los inversores a recurrir a datos alternativos como fuente para la toma de decisiones. Este tipo de datos puede proporcionar una imagen casi en tiempo real que permite a las instituciones financieras tomar decisiones oportunas sobre la gestión de riesgos, los préstamos, etc.
Lograr un enfoque de inversión cuantitativo o basado en modelos consta de dos partes: la recopilación y el análisis de los datos. La recopilación de datos puede realizarse mediante herramientas de recopilación de datos y rastreo web, plataformas de datos y proveedores de datos especializados en la recopilación de datos alternativos.
Sin embargo, encontrar los datos es solo el primer paso. Los datos solo pueden ser útiles después de ser analizados e interpretados. Dado que los datos alternativos proceden de fuentes dispares y no están estructurados, pueden ser más difíciles de analizar que los datos tradicionales. El auge del aprendizaje automático (ML) y las herramientas de procesamiento del lenguaje natural (NLP) son fundamentales para analizar los enormes Conjuntos de datos generados por los datos alternativos. Las herramientas de IA pueden procesar datos a un ritmo mucho más rápido que cualquier ser humano. Los modelos basados en IA y los proveedores de datos pueden ayudar al sector de la inversión a encontrar los patrones y las ideas necesarias para tomar decisiones precisas.
Casos de uso de datos alternativos
Los datos alternativos transformarán la forma en que las empresas de inversión y los fondos de cobertura seleccionan las inversiones en los próximos años. Las aplicaciones de los datos alternativos para generar ideas, evaluar inversiones y gestionar carteras pueden ser muy potentes cuando se combinan con herramientas de análisis de datos. A continuación se presentan algunos casos de uso comunes de los datos alternativos:
Seguimiento de las variaciones de precios y la inflación: las empresas pueden realizar un seguimiento de Conjuntos de datos con millones de precios para comprender las variaciones de precios y los efectos de la inflación.
Uso de las redes sociales para predecir los beneficios: un gestor de activos puede extraer datos de las redes sociales y los motores de búsqueda para pronosticar los beneficios de una empresa durante un periodo de tiempo específico.
Datos de pago para realizar un seguimiento del rendimiento: un fondo de cobertura puede utilizar datos combinados, como transacciones con tarjetas de crédito, datos de ubicación y uso de aplicaciones, para realizar un seguimiento del rendimiento de las ventas online y a través de aplicaciones de una empresa minorista.
Datos web y comentarios en redes sociales para pronosticar movimientos del mercado: se pueden utilizar datos de sitios web rastreados y redes sociales para detectar eventos que puedan influir en el mercado.
Cómo obtener datos alternativos
Puede obtener datos alternativos recopilándolos directamente de Internet por su cuenta o comprándolos a un proveedor externo. Veamos las opciones.
Opción 1: rastreo web
Se refiere a la recopilación de datos de sitios web mediante una herramienta de Scraping web o un software de Scraping interno. El software rastrea las páginas web y descarga los datos relevantes según palabras clave específicas. A continuación, los datos se pueden guardar en varios formatos, como por ejemplo, un archivo CSV. Las aplicaciones de las herramientas de Scraping web son muy amplias, desde la Protección de marca hasta la verificación de precios.
Existen varias opciones en cuanto a herramientas: desde soluciones «hágalo usted mismo» (DIY), en las que se integra una red Proxy y se aprovechan las direcciones IP reales de los consumidores, hasta soluciones totalmente automatizadas que no requieren codificación ni infraestructura; lo único que hay que hacer es:
- definir los conjuntos de datos de destino
- formato deseado
- programar
- el método de entrega preferido
y disfrutar de una transmisión de datos en directo directamente a su equipo y/o sistemas.
Opción 2: Compra de conjuntos de datos
Existen proveedores de datos alternativos que pueden suministrarle datos en diferentes etapas de procesamiento. Puede comprar los datos sin procesar, «limpios» o semiestructurados, por ejemplo. Esta es una buena opción para las empresas que necesitan conjuntos de datos «estáticos», lo que significa que no es crucial para ellas disponer de conjuntos de datos en tiempo real para su equipo y sus sistemas. Por ejemplo, una casa de moda puede querer rastrear las redes sociales una vez por temporada para identificar nuevas tendencias, pero no necesita hacerlo a diario. Por otro lado, una empresa de comercio electrónico puede querer analizar los precios de la competencia cada hora y realizar cambios en tiempo real para rebajar o «superar» los precios de la competencia. En este último caso, comprar conjuntos de datos puede ser una opción menos viable.
¿Qué vendrá después?
A medida que las empresas identifiquen el valor que los datos alternativos pueden aportar a la economía en general y al sector financiero en particular, comenzaremos a ver una adopción generalizada de modelos de predicción basados en datos alternativos y fuentes de ingresos impulsadas por datos alternativos. Cuando las empresas aprendan a recopilar:
- datos precisos
- limpios
- generados por los usuarios
alternativos y añaden un nivel de sofisticación al introducir estos conjuntos de datos sin procesar en algoritmos predictivos e inteligencia artificial, realmente comenzaremos a ver el impacto.
Imaginemos cadenas minoristas que conocen y toman decisiones de producción y recolección basadas en la opinión de los consumidores en las redes sociales.
Imaginemos empresas de inversión que conocen e invierten a favor o en contra (es decir, venden en corto) de valores basándose en la actividad de los consumidores derivada de datos transaccionales en tiempo real.
Imagine compañías de seguros que pueden realizar una evaluación de riesgos basada en datos geoespaciales de fenómenos naturales (como huracanes, tsunamis e inundaciones).
Ya no es necesario que utilice su imaginación. Los anteriores son casos reales de uso de datos alternativos aprovechados por empresas visionarias que han decidido liderar su sector en lugar de dejarse liderar por otros.
