Hace dos días la compañía ha anunciado un ‘profit warning’ para su primer ejercicio fiscal. En una carta dirigida a los inversores y publicada después de que cerrase la bolsa de Nueva York, el CEO de la compañía, Tim Cook, ha alegado que los motivos son la desaceleración de las ventas del iPhone en China, cuya economía ha sido lastrada por la incertidumbre respecto a las relaciones comerciales entre Washington y Pekín.
La misma mañana tras el anuncio, los futuros del índice S&P 500 cayeron un 1,6 por ciento en Londres y los futuros del Nasdaq 100 extendieron las pérdidas hundiéndose un 2,8 por ciento. Al final es importante tener presente que Apple representa el 9,7 por ciento del Nasdaq 100 y el 3,4 por ciento del S&P 500. Pero en la misma jornada, la renta variable europea siguió su curso, con un descenso del sector tecnológico de hasta el 3,6%.
En el caso de Apple, numerosas publicaciones en blogs y redes sociales habían alertado que el ritmo de las ventas de la compañía de la manzana no era el esperado pero la pregunta es: ¿Se podía haber predecido esta caída? ¿Qué repercusión puede tener sobre el resto del índice?
Rumores y noticias influyen en la cotización de las FAANG.
John Maynard Keynes ha sido uno de los economistas del siglo XX con mayor predicamento, ideas que volvieron a estar de moda a raíz de la crisis económica y financiera del 2008. Sin embargo hay una faceta menos conocida en Keynes que es igual de apasionante o más, su faceta como inversor que especulaba en el mercado de acciones británico. Los resultados que obtuvo Keynes administrando el patrimonio del King’s College son mejores a los obtenidos por Warren Buffet y su principal vehículo de inversión, Berkshire Hathaway, según un estudio de David Chambers y Elroy Dimson, de la universidad de Cambridge y de la London Business School respectivamente. ¿Cómo invertía Keynes? Seleccionaba empresas con un alto potencial que se conocen bien y confiaba enteramente en cómo son gestionadas. Según describe Keynes en sus memorias, seleccionaba esas empresas, las seguía e invertía en función de las opiniones que circulaban en los periódicos sobre la capacidad de gestión de las mismas.
Hoy en día el periódico de los inversores son internet y las redes sociales.
“A veces el inversor se guía por el sentimiento de mercado y no actúa racionalmente” afirma David Conde, CEO de Senseitrade, una start up que se dedica a análisis de sentimiento de mercado en Twitter utilizando técnicas de análisis semántico y machine learning con el objetivo de predecir lo que puede ocurrir en los mercados. “Con las nuevas tecnologías se pueden aplicar técnicas que nos permiten comprobar cómo se hubiese comportado una estrategia en bolsa en el pasado y optimizarla para el futuro” completa Raúl Gómez CEO de Investmood, empresa que se dedica a desarrollar sistemas Big Data y aplicarlos a trading algorítmico.
Con el objetivo de cuantificar el impacto de las redes sociales en las FAANG y su repercusión en el NASDAQ ambas start ups realizaron un estudio durante el pasado Octubre analizando el efecto del sentimiento de los tweets que mencionan a dichas compañías del índice de Estados Unidos. El modelo se basó en la teoría del behavioral finance por lo que un tuit con sentimiento de mercado positivo abría una posición larga o de compra en el futuro del NASDAQ y un tuit con sentimiento de mercado negativo abría una posición corta o de venta.
Si hay una posición abierta, hay tres opciones:
- Si no hay más tweets después de "X" minutos, la posición se cerrará automáticamente.
- Aparece un nuevo tweet con el mismo sentimiento, por lo tanto el tiempo que la posición está en mercado se prolonga por otros "X" minutos más.
- Aparece un nuevo tweet con el sentimiento opuesto, se cierra la posición abierta.
Para analizar la rentabilidad de esta estrategia se realizó el back testing de este experimento en la plataforma de Trading Motion conectada a 36 brokers de todo el mundo. Los clientes de estos brokers pueden abrir una cuenta gestionada y activar o desactivar cualquiera de los sistemas de trading disponibles.
Se realizaron diferentes back testing manteniendo la posición en mercados en diferentes horizontes temporales, desde 30 minutos a 180 minutos, y estos fueron los resultados:
Performance summary | ||||||
Open position time | 30 | 60 | 90 | 120 | 150 | 180 |
Net P&L | 5037,00 $ | 9240,09 $ | 6507,09 $ | 4635,09 $ | 521,09 $ | -1460,91 $ |
Gross P&L | 6690,00 $ | 10570,0 $ | 7765,00 $ | 5785,00 $ | 1635,00 $ | -455,00 $ |
Profit factor | 4,88 | 8,08 | 3,11 | 2,00 | 1,05 | 0,87 |
Sharpe ratio | 6,60 | 6,47 | 4,48 | 3,00 | 0,44 | -0,33 |
Slippage per side | -0,50 | -0,50 | -0,50 | -0,50 | -0,50 | -0,50 |
Commission per side | 8,00 $ | 8,00 $ | 8,00 $ | 8,00 $ | 8,00 $ | 8,00 $ |
Annual ROI | 523,79 % | 1235,40 % | 304,50 % | 144,60 % | 9,75 % | -19,53 % |
Mathematical expectation | 72,72 | 142,84 | 110,93 | 90,39 | 26,37 | -8,13 |
Vemos en la tabla anterior que excepto la simulación de 180 minutos todas las estrategias han sido rentables, siendo 60 minutos el tiempo óptimo para mantener posición abierta y aprovecharse del efecto de un tuit en el mercado. El gráfico de P&L de esta estrategia es el que se observa en el siguiente gráfico:
La conclusión de este estudio, por tanto, es que las redes sociales pueden tener capacidad predictiva en un sistema de trading algorítmico ya que los inversores todavía se basan en noticias, rumores y emociones a la hora operar en bolsa. Otra conclusión relevante fue que las FAANG tienen un capacidad de arrastre bastante relevante sobre el resto de componentes del NASDAQ.
Acerca de:
Senseitrade ofrece información en tiempo real, tanto de datos del mercado como de redes sociales, analizando los tweets que se publican sobre las empresas cotizadas con algoritmos de procesamiento de lenguaje natural que nos dan el sentimiento de la comunicación (bueno, malo o neutro) ponderado por el número de followers y de retweets.
InvestMood es una fintech que ha desarrollado sistemas Big Data de trading algorítmico basados en modelos de inteligencia artificial sobre el sentimiento del inversor capaces de ofrecer rentabilidades positivas en contextos alcistas y bajistas. Sus modelos se desmarcan del tradicional análisis técnico o fundamental utilizado por traders y gestores, proponiendo una nueva forma de invertir basada en el "behavioral finance".
