Los datos financieros fluyen como ‘gatos que cambian sus caras porque las computadoras los reconocen en YouTube’. ¿Hay una solución a este problema?

Creo que hay una mejor analogía. Los motores de búsqueda tienen algoritmos para determinar qué resultados mostrar para una búsqueda determinada. Los sitios web tienen incentivos para jugar esos algoritmos para obtener una mayor ubicación (los gatos en los videos, hasta donde yo sé, no tienen incentivos y no tienen la capacidad de cambiar). Este es un problema que los diseñadores de motores de búsqueda deben abordar, pero no es intratable. Tenemos motores de búsqueda útiles.

En finanzas, las personas diseñan sistemas para extraer ganancias. Otros participantes tienen incentivos para secuestrar esas ganancias. Además, el sistema financiero en su conjunto es una entidad compleja y altamente evolucionada que no podría sobrevivir si fuera fácil para las personas extraer ganancias adicionales. Por lo tanto, cualquier sistema rentable atrae tanto contramedidas humanas como defensas sistémicas.

No hay una solución mágica a este problema que conozca, pero hay mitigantes útiles:

  1. Diseñe sistemas con fundamentos teóricos, para que sepa quién le paga y por qué. Monitoree para asegurarse de que la teoría siga siendo válida.
  2. Pase más tiempo en sistemas de validación que en sistemas comerciales. Si tiene una idea que sugiere un intercambio rentable, considere todas las demás implicaciones de esa idea y obsérvelas. Si no lo hace, la única forma de saber cuándo su idea pierde validez es cuando pierde dinero. No solo es costoso, significa que carecerá de la convicción de mantener su sistema cuando está pasando por una reducción temporal y la idea sigue siendo válida.
  3. Respeta el mercado. Me gusta la analogía de Robinson Crusoe y la familia suiza Robinson. RC se dio cuenta de que era un intruso en un ecosistema e hizo pequeños cambios cuidadosos, observando los resultados cuidadosamente. SFR fue escrito una generación más tarde por un fanático del original. La familia recreó el cantón suizo de su nacimiento en una isla tropical. Eso hubiera sido imposible y desastroso intentarlo. Si hubieran sido comerciantes, SFR habría desarrollado un modelo simple y se habría comportado como si fuera exactamente cierto, lo que no funciona. RC habría sabido que su modelo simple no era correcto y, de hecho, era imposible porque era inconsistente con un sistema financiero estable. Todavía comerciaría de acuerdo con su modelo, pero observaría de cerca los efectos aguas abajo, sabiendo que estaba creando fuerzas para evitar que tuviera éxito; solo podía sobrevivir anticipando o al menos notando las acciones de autoconservación del mercado.

La capacidad de detectar oportunidades rentables en los mercados ciertamente va y viene, tanto con cambios y mejoras en la eficiencia del mercado como debido a cambios en el régimen. Esto significa que las estrategias que funcionan este mes, o este año, pueden tener dificultades el próximo mes o el próximo.

Existen al menos dos enfoques para tratar la no estacionariedad de los datos del mercado. El primero es incorporar la detección del régimen de mercado al modelo. De esta manera, el modelo solo se involucrará con el mercado cuando las condiciones estén maduras para aprovechar la ineficiencia particular del mercado que persigue el modelo.

El otro enfoque requerido es investigar constantemente nuevas ideas y construir nuevos modelos. Cada vez que se realiza una operación rentable en el mercado, esto lo hace un poco más eficiente y hace que sea más difícil para el próximo operador tratar de cosechar la misma ineficiencia (ese es el “gato” que cambia su rostro debido al compromiso). Por lo tanto, debe asegurarse de tener siempre algunas nuevas investigaciones y modelos más nuevos listos para cuando su cultivo actual comience a fallar.

Finalmente, siempre vale la pena incorporar algunas mediciones de rendimiento que detecten la “salud” actual de los resultados del modelo. Un buen enfoque es comparar las métricas a corto plazo con las expectativas a largo plazo. Esto generalmente le dará una advertencia cuando el modelo comience a fallar, momento en el que puede desconectarlo antes de que se cargue demasiado en su cuenta.

No sé si esa es la analogía correcta, aunque es un punto de partida interesante para pensar. Considero una visión más de alto nivel: si tiene modelos que no funcionan bien con datos fuera de la muestra, eso solo significa que los modelos, o el proceso por el cual los creó, no es lo suficientemente bueno. Para mí, la idea de que “los mercados están cambiando con el tiempo” es más una excusa para los operadores de bajo rendimiento que un fenómeno fundamentalmente diferente, porque cualquiera que sea el proceso que rija los mercados, esos procesos también existieron en sus conjuntos de datos de capacitación y validación.

La diferencia fundamental entre las finanzas y muchos otros dominios es que las finanzas son perfectamente competitivas. No es suficiente tener un modelo que tenga una idea útil, debe ser mejor que los modelos que usan sus competidores. Si Google agrega algo a YouTube que identifica si el video presenta un gato o no, y este clasificador no es tan bueno como podría ser, eso no es gran cosa porque YouTube no tiene competencia en este momento. Siempre que haga algo que impresione al usuario, eso es lo suficientemente bueno. En finanzas, RenTech comería su almuerzo si tiene un modelo mal diseñado.

Dicho esto, las finanzas no son el único dominio extremadamente competitivo. Por ejemplo, los modelos de percepción para automóviles autónomos son competitivos entre sí y evolucionan constantemente para lograr métricas de seguridad más altas.