A BlackRock el término de Big Data no le gusta. Prefieren denominar Data Science a la ciencia que busca estructurar, analizar y ordenar la cada vez más ingente cantidad de información que inunda el mundo. Se calcula que el 90% de la información pública disponible en formato online se ha creado en los últimos dos años y todo apunta a que es una tendencia que continuará en el futuro. El impacto de la tecnología explica en gran medida ese incremento. Para el mundo de la gestión de activos, esto abre una nueva era. Mucha de la información que se genera es ruido y no sirve para tratar de predecir el comportamiento de los activos. Sin embargo, se empieza a apreciar un trasfondo que afecta tanto a la evolución económica como al comportamiento de los consumidores. Cada vez se hace más evidente que, aquellas entidades que sean capaces de procesar adecuadamente toda esa información disponible, podrán obtener datos muy valiosos que permitan a sus gestores predecir cuál podría ser el comportamiento de las compañías que están dentro de su universo de inversión.
El trabajo del Scientific Active Equity gira en torno a ese concepto. El equipo, que gestiona activos por valor de 80.000 millones de dólares, combina técnicas de gestión cuantitativa con técnicas de gestión fundamental. Está formado por 90 profesionales. La mitad son gestores y la otra mitad analistas que se encargan de desarrollar modelos, factores y señales de inversión. El objetivo es otorgar a cada compañía una nota final en función de cuál sea el baremo por la que se la quiera analizar para que el gestor tenga a su disposición un dato extra que le pueda servir de ayuda a la hora de realizar su trabajo. “Se trata de una herramienta de apoyo, que en ningún caso sustituye la labor de los gestores”, explica Manuel Gutiérrez-Mellado, miembro del equipo de ventas retail e institucional para Iberia de BlackRock en una presentación con periodistas. El objetivo que persiguen es generar una serie de factores o señales amparándose en fuentes de alfa distintas, para intentar predecir cuál será la evolución de las compañías. Para conseguirlo, uno de los mecanismos en los que se apoyan es el procesamiento del lenguaje.
El análisis de textos y de la información proveniente de conference calls les permite analizar cuál puede ser el sentimiento del interlocutor, así como las tendencias que subyacen en el mensaje. “Los desarrollos informáticos permiten utilizar algoritmos de tratamiento de textos sobre las transcripciones de las conference calls realizadas por los consejeros delegados o directores financieros de las compañías. Lo importante aquí es centrarse en la información que habla del futuro de la compañía y los términos que utiliza el ponente… El primer paso es elaborar un diccionario de palabras positivas y negativas y, a partir de ahí, realizar un conteo para saber qué tipo de términos ha utilizado. Posteriormente, la clave está en crear series históricas con el uso de palabras positivas y negativas, ya que, en cierta forma, te pueden marcar un ciclo en su utilización. La tercera derivada sería hacer técnicas predictivas. A partir del análisis de ciertas palabras, estructuras y datos que aparecen en la información, el objetivo del equipo del Scientific Active Equity es tratar de anticipar lo que va a suceder en el futuro”.
Según Gutiérrez-Mellado, el análisis sobre una única empresa puede inducir a error, pero realizado sobre 14.000 compañías puede descubrir ciertas tendencias. El procesamiento del lenguaje tiene distintas aristas. A nivel individual, puede aportar información adicional sobre la conveniencia de la inversión. “El poder tener acceso a las temáticas subyacentes que el director financiero está poniendo encima de la mesa nos permite saber cómo de preparada está una compañía para hacer frente a los retos que encara. Los directores financieros de muchas compañías tradicionales de ordenadores no hablan de las tablets. Es evidente que hoy las personas las prefieren a los ordenadores. Si el directivo no está preocupado por la competencia que representan las tablets es una señal negativa”, ejemplifica. A nivel colectivo, el big data puede ayudar a los gestores a detectar temas o relaciones no obvias entre compañías. “Destapa vínculos entre compañías y sectores distintos unidos por una única temática, lo que ayuda a los gestores a analizar de manera masiva cómo de expuestas estarían en caso de un shock concreto”.
