Etiqueta: Datos

La Prodigiosa Economía de las Ideas

La Prodigiosa Economía de las Ideas

Si yo te doy un euro y tu a mi me das otro, al final terminamos los dos con un euro, exactamente igual de como empezamos.

Pero si yo te doy una idea y tú a mí me das otra, al final tenemos dos ideas cada uno. En términos económicos, ambos hemos doblado nuestro capital.

Eso es un buen negocio y el resto, paparruchas.

Este blog pretende TRAFICAR en ideas.

Los «Es Peor» de la Información

Los «Es Peor» de la Información

Es peor tener MALA información que NO tener información, porque la mala información te hace tomar malas decisiones.

Es peor tener DEMASIADA información que NO tener información, porque crea la falsa sensación de estar bien informado cuando, simplemente, estas saturado, aturdido e infoxicado.

No necesitas MUCHA información, sino POCA y FIABLE. Con eso basta para tomar buenas decisiones.

Por Qué El Análisis Fundamental No Me Sirve

Por Qué El Análisis Fundamental No Me Sirve

Respeto mucho todas las opiniones, pero me gusta dar mis razones y argumentarlas. Además, la ventaja que tiene ser un indocumentado en temas económicos es que uno carece del pudor de los expertos para decir enormes inconveniencias. Probablemente valga la pena mirar la Economía desde el inocente punto de un humilde técnico para preguntarse algunos por qués, aunque podamos ser acusados de lerdos en el intento.

Yo me pregunto: ¿cómo pueden quebrar de forma inesperada grandes corporaciones, bancos o entidades de enorme peso económico, si deben rendir cuentas públicas cada trimestre?

¿Cómo grandes corporaciones pueden estar reportando al mercado buenos fundamentales y un mes más tarde estar quebrados?

No hablo sólo de Lehman o de Enron, por poner dos casos suficientemente conocidos en mercados maduros, bien regulados y muy estrictos.

¿Acaso ningún analista fundamental pudo anticipar con los últimos datos públicos en la mano que esas entidades estaban en serios problemas antes de desplomarse? ¿Cómo las grandes corporaciones pueden estar reportando al mercado buenos fundamentales [o, simplemente, aceptables] y un mes más tarde estar quebrados?

¿Estados contables? ¿Activos y pasivos? ¿PER? ¿Beneficios por acción?… ¿Ningún dato visible en los últimos resultados ofrecidos podían anticipar que cotización de Lehman caería un 70% en un día y, al siguiente, quebraría?

Para trabajar con información necesitas que la materia prima sea de calidad

Ahora voy a traer el comentario a mi especialidad: el Tratamiento de la Información.

Para trabajar con información necesitas [como en casi todo] que la materia prima sea de calidad. Si estás midiendo la humedad, el voltaje o la temperatura con sensores inadecuados obtendrás lecturas erróneas y, por lo tanto, tus conclusiones también lo serán.

Pero, si en lugar de tener lecturas directas objetivas, los datos deben ser suministrados por un tercero, empiezan los problemas. Como poco habrá que contemplar un margen de error de observación. La fuente no es tan fiable como debería porque no es ni directa ni automática.

Pero en el caso que los resultados de las mediciones beneficien o perjudiquen al observador que las suministra, esa fuente es parcial y, por muy honesta que sea, debería ser desechada pues esos datos forzosamente hay que considerarlos contaminados en origen. Es una fuente no fiable. Es como preguntarle a un niño por sus notas. Te dirá la verdad cuando sean excelentes, parte de la verdad cuando no sean tan buenas, y mentirá sin pudor cuando sean malas.

Si aplicamos la metodología de la Teoría de la Información, resulta una pérdida de tiempo trabajar con datos facilitados por parte interesada.

Si aplicamos la metodología de la Teoría de la Información, resulta una pérdida de tiempo trabajar con datos facilitados por parte interesada.

Así que, entre lo malo y lo peor…, creo que me quedo con lo malo. Seguiré intentando separar ruido de señal y discriminando señales fiables de dudosas a través del movimiento del precio, pero voy a seguir sin prestar el mínimo crédito a informaciones oficiales, paraoficiales, pseudooficiales, publicadas o rumores. Cualquier fuente interesada contamina los datos, aunque sean completamente ciertos. Es una pena, pero es así.

Si un activo cerró ayer a 18,31, eso es un dato; si el balance de esa empresa dice que sus beneficios crecieron un 17% el último trimestre, es una opinión [la suya] aunque un grupo de bien pagados auditores la certifiquen [las cuentas de Lehman y Enron también estaban auditadas]. Y no hay manera de operar matemáticamente con opiniones.

Cualquier fuente interesada contamina los datos, aunque sean completamente ciertos.

Sobre Fuentes Fiables y Fuentes Contaminadas

Sobre Fuentes Fiables y Fuentes Contaminadas

Dentro de los muchos derivados aplicados a la Teoría Matemática de la Información [TI] originariamente propuesta por Shannon y Weaver, uno de los aspectos desarrollados fue el de la catalogación de las fuentes de datos.

Por no alargarme innecesariamente, la importancia de escoger las fuentes de datos adecuadas es [como parece obvio] básico para poder después hacer un análisis correcto de los datos y obtener respuestas veraces a las preguntas propuestas.

Para resumirlo, en un esfuerzo máximo de simplificación, se dividieron la fuentes en dos únicos tipos, las denominadas FUENTES VERACES y las FUENTES CONTAMINADAS. Para que sea más fácilmente entendible lo trasladaré directamente al campo de los Mercados, tal y como yo lo entiendo y aplico desde hace años.

Como FUENTES VERACES entendemos aquellas que nos proporcionan informaciones PÚBLICASÚNICAS y UNÍVOCAS. Son accesibles para todos, y para todos tienen un mismo valor en un mismo momento. Esas fuentes [en nuestro caso y en esencia] serían las cinco básicas: máximo, mínimo, apertura, cierre y volumen.

Como «fuentes veraces» entendemos aquellas que son directamente accesibles para todos, y para todos tienen un mismo valor en un mismo momento.

Como FUENTES CONTAMINADAS entendemos [siempre desde la perspectiva de la TI] cualquier dato no obtenido de manera directa. Por poner un ejemplo, si obtenemos la temperatura de una determinada estancia a través de un sensor homologado y conectado directamente a nuestro equipo de proceso, la fuente es veraz; pero si enviamos a un ayudante a observar la temperatura en una pantalla y nos la comunica, la fuente pasa a estar CONTAMINADA, y todos los resultados posteriores estarían en cuestión, aunque el dato sea correcto.

Así, cualquier fuente que interprete, module o retransmita la información desde su origen, la contamina y, en consecuencia, deberemos descartarla [o tener este hecho muy en cuenta].

Con esta visión tan estricta de la calificación de las fuentes, la TI se cura en salud, pues pone en cuestión cualquier tipo de información que no sea directamente verificable por todos los observadores a un tiempo. Con ello elimina de la ecuación tanto los errores, como la información manipulada en beneficio de algo o de alguien.

Cualquier fuente que interprete, module o retransmita la información desde su origen, la contamina

La información manipulada no tiene por qué ser estrictamente falsa. La «buena» información manipulada puede ser correcta [o casi] en sus datos, pero también puede ser muy tergiversada en la presentación interpretación de los mismos porque, para la mayoría, importa mucho más la interpretación de los datos que los datos en sí, cosa que, lógicamente la TI cuestiona.

Desde ese estricto punto de vista [quizás equivocado, pero metódico] habrá que descartar las informaciones suministradas por los medios de comunicación [TODOS, desde los diarios especializados hasta las redes sociales, pasando por éste desde el que ahora mismo yo estoy opinando], así como también las suministradas directamente por los actores económicos [empresas, sectores o países], por ser datos interesados suministrados por parte; con lo que el análisis fundamental (AF) quedaría fuera del ámbito de cualquier estudio ni remotamente basado en la TI.

Para la mayoría, importa mucho más la interpretación de los datos que los datos en sí, cosa que, lógicamente la TI cuestiona

Desde el punto de vista de la TI, el gran truco de los mercados financieros no es tanto la ocultación de los datos, sino el de la saturación de información [infoxicación], mezclando muchas fuentes, casi todas ellas contaminadas [interpretadas, opinadas y/o interesadas] creando una tremenda confusión [ruido] capaz de ocultar las trazas de las fuentes veraces [señal] y dificultando su interpretación.

Realmente, desde el punto de vista de la TI, en esos mercados que aparentemente bullen de información, las fuentes veraces y fiables son muy escasas.

No Se Trata Tanto de los Datos…

No Se Trata Tanto de los Datos…

No se trata tanto de los datos, sino de cómo los leas.

Y te lo voy a demostrar.

Mismas letras, mismo código, diferente ordenación:

  • On es atart otnat ed sol sotad, onis ed omóc sol seal.

Mismo código, misma ordenación, menor cantidad de señal:

  • N s trt tnt d ls dts, sn d cm ls ls.

Introduciendo ruido blanco:

  • Nhoh shhe trhahta tahntho dhe hlohs hdhathohs, shihnho deh cóhmoh hlhohs lehahsh.

O introduciendo ruido gris:

  • dNrtoyusyeptverua,tla;tawxnitotde;l.oiupswdxauitzxo-s,suyi4n3ogdehtceómptolohsllhea,ahsñ.

El mercado aporta señal, pero está lleno de ruido. En el mejor de los supuestos, se puede parecer bastante a este último ejemplo, donde TODAS las letras y palabras están incluidas y en el orden adecuado, pero el nivel de ruido es tan alto que es casi imposible interpretar el mensaje original.

Códigos originales de la famosa máquina Enigma

¿Crees que todo esto es un simple divertimento? ¿Crees que no tiene nada que ver contigo y con el trading? Pues yo creo que lo tiene, y mucho. Y, si lo piensas un poco, seguro que a ti también te lo parecerá.

Por eso hay que trabajar en nuevas formas de visualizar esos datos, para separar los relevantes de los que no lo son; para aislar y anular el ruido al máximo posible.

Interpretar Códigos; Decodificar Velas

Interpretar Códigos; Decodificar Velas

Más que un artículo, esta entrada es un divertimento, un simple ejercicio en el que, si me lo permiten, les mostraré cómo nuestro cerebro es capaz de trabajar y asimilar nuevos códigos sin que apenas ello nos cause ningún esfuerzo.

Les vuelvo a plantear el supuesto de costumbre: imaginen al mercado reducido a un simple flujo de datos. Los ticks se van sucediendo a ritmo vertiginoso y aparentemente aleatorio. [Sobre si el mercado es o no aleatorio, les dejo este Una mosca contra el Random Walk]. La Teoría de la Información [TI] precisamente se basa en la codificación, transmisión y decodificación eficiente de cualquier tipo de información.

Imaginemos un flujo de datos tipo. Supongamos que una fuente nos envía una sucesión de caracteres. Nuestra primera impresión sería que si ese flujo de caracteres no viene correctamente ordenado y separado nos resultaría incomprensible. Pues, quizás sí o quizás no.

Imaginemosqueeseflujodedatosnosremiteuncontinuodecaracteressinespaciosintermediosdeseparaciónentrepalabrascomomensaje.

No parece que esta limitación nos impida comprenderlo. Somos capaces de completar la parte eliminada sin mayor dificultad y decodificarlo correctamente.

En este primer caso, de un mensaje de 118 caracteres hemos eliminado sólo los 19 espacios de separación entre palabras, apenas un 16%, y no muy crítico,

Otra cosa diferente sería que, por ejemplo se eliminasen completamente las vocales de un mensaje, sustituyéndolas por espacios en blanco.

En ese caso quizás ya tuviésemos más dificultades para entenderlo, pero seguramente acabaríamos comprendiéndolo en su mayor parte.

Este mensaje consta de 112 caracteres [129 contando los espacios] de los que se han eliminado 51 [un 45% del total y 5 diferentes caracteres] por lo que le estoy obligando a trabajar sólo con el 55% de la información. [Si tiene dificultades, vuelva a leer en párrafo anterior, ese que empieza diciendo «En ese caso…»]

Trabajar con el 50% de la información no es fácil, aunque no llegamos a ser conscientes de nuestras ocultas habilidades para decodificar criptogramas automáticamente.

Nueva demostración:

Sgeun etsduios raleziaods por una uivenrsdiad ignlsea,no ipmotra el odren en el que las ltears etsen ecsritas. La uicna csoa ipormtnate es que la pmrirea y la utlima ltera esetn ecsritas en la psiocion cocrreta. El retso peuden etsar ttaolmntee mal y aun pordas lerelo sin pobrleams pquore no lemeos cada ltera en si msima snio cdaa paalbra en un contxetso.

Ninguna dificultad, ¿verdad? En ese caso:

¡3XC3L3N73 3J3RC1C10!

La capacidad de nuestro cerebro para asimiliar códigos, decodificarlos y obtener mensajes coherentes es lo que me hizo pensar en aplicar los modelos de la TI en el proceso de decodificación de las series numéricas y gráficas que los traders manejan y entre las que buscan tendencias y giros, como elementos operativos básicos y en el diseño de nuevas herramientas para ayudar en este cometido.

64574M05 MUCH0 713MP0 D3 NU357R4 V1D4 C0N57RUY3ND0 4L6UN4 C054 P3R0 CU4ND0 M45 74RD3 UN4 0L4 LL1364 4 D357RU1R 70D0, S010 P3RM4N3C3 L4 4M1574D, 3L 4M0R Y 3L C4R1Ñ0, Y L45 M4N05 D3 49U3LL05 9U3 50N C4P4C35 D3 H4C3RN05 50NRR31R.

Las velas o barras están formadas por un grupo de datos que, si somos capaces de decodificar, contienen mensajes.

Distinguiendo Entre Datos, Información y Conocimiento

Distinguiendo Entre Datos, Información y Conocimiento

Si hoy SAN hubiese cerrado en 2€ y BBVA, en 2,95, eso serían DATOS.

Para muchos [seguramente la mayoría] el trading se reduciría a saber que hoy [hipotéticamente] habría que comprar SAN y que mañana, vender BBVA. Con eso les sobraría. Eso sería INFORMACIÓN.

Pero si quieres entender POR QUÉ habría que hacerlo así y no al revés, eso sería ya CONOCIMIENTO.

El Modelo TI en el Trading

El Modelo TI en el Trading

Cuando hace ya bastantes años llegué al mundo del trading, no pude por menos que observar algunos paralelismos entre la estructura del trading [del e-trading, para ser más exactos] y ciertas partes de la Teoría Matemática de la Información [TI] según el Modelo de Shannon/Weaver.

Para empezar, este es el modelo básico de comunicación según la TI:

Observemos que, según esta arquitectura básica, hay algunos conceptos que merecen especial atención. A un lado tenemos la Fuente de información (mercado) y, en el extremo opuesto estamos nosotros mismos, los traders, como receptores y destinatarios de la misma.

El eslabón intermedio de la cadena (Transmisor y Receptor), así como la codificación, son ahora mismo íntegramente por vía telemática y digital, gracias a la popularización de la red [el e-trading del que antes hablábamos].

Por último, tenemos un último factor que la TI ya contempla como fundamental: el Ruido, como elemento distorsionador interpuesto. Como pronto veremos, el ruido tiene en el trading (y desde este punto de vista metodológico) especial relevancia, así como diferentes orígenes y causas, algunas accidentales y otras claramente provocadas.

InfoTrading: Para Traders del S. XXI

InfoTrading: Para Traders del S. XXI

Podríamos llamarlo InfoTrading [Informational Trading o Inversión Informacional, en español]. El nombre seguramente ni siquiera sea importante, pero sí su objetivo, que sería estudiar el trading como análisis del flujo de datos y su correcta gestión.

No me refiero tanto a técnicas como el HFT [High Frequency Trading], interesantes pero muy alejadas de nosotros, traders de a pie. Lejos de ello, desde el principio me interesó descubrir hasta dónde podía llegar con las herramientas y plataformas disponibles para el usuario medio del trading.

La aplicación a la operativa bursátil de conceptos generales que nuevas disciplinas como la infonomía [gestión avanzada de la información] o las derivadas aplicativas de la Teoría de la Información (TI) aportan nuevas visiones y posibilidades a los postulados tradicionales del trading.

Mi trabajo de diseño aplicativo [la vertiente práctica de estas teorías] se basa en inferir de esos datos alguna nueva información que ayude en el trading diario.

Atacar los fundamentos de cualquier disciplina es una práctica bastante suicida. Lo sé y lo prudente [y lo cómodo] sería callar, porque ya me he ganado alguna descalificación de fondo.

En mi favor pesa que me importa un rábano. Yo no tengo ningún prestigio que defender, ni como analista, ni como gestor profesional, ni nada por el estilo. Me da absolutamente igual.

Por poner un ejemplo [de grueso calibre, pero suficientemente claro], el consenso general opina que la operativa en los mercados está básicamente relacionada con la economía, sus conceptos, sus noticias y sus ciclos. Después de muchos años, estoy convencido que el trading es básicamente un complejo problema de gestión de los flujos de información, y que los expertos mediáticos vienen a justificar a posteri cualquier movimiento en cualquier sentido.

La base es saber diferenciar los datos veraces de los que no lo son, y a operar sólo en función a los provenientes de las fuentes más fiables. Mi trabajo de diseño aplicativo [la vertiente práctica de estas teorías] se basa en inferir de esos datos alguna nueva información que ayude en el trading diario.

La aplicación en la operativa bursátil de conceptos de nuevas disciplinas como la infonomía o las derivadas aplicativas de la Teoría de la Información (TI) aportan nuevas visiones y posibilidades al trading.

Pero, ¿de verdad a alguien le interesa esto? Por lo general, a la mayor parte de los traders lo único que les interesa es qué comprar hoy y qué vender mañana. Lógico, pero triste. Sólo quieren información, el conocimiento [a la mayoría] les tiene sin cuidado, aunque es precisamente el conocimiento [y no la información] lo que los convertirá en traders consistentes.

Hoy, para acabar, les dejo con una de mis postulados de cabecera. Es la llamada Hipótesis de Lloyd y se la debemos a Seth Lloyd, catedrático de Ingeniería Mecánica en el Instituto de Tecnología de Massachusets (MIT), donde trabaja en problemas relacionados con los sistemas complejos [desde el Universo a los átomos] y la información. La Hipótesis de Lloyd enuncia que:

“Todo lo que merece la pena ser entendido de un sistema complejo, puede ser entendido en términos de cómo procesa información”

El Factor «Imbécil»

El Factor «Imbécil»

«Disfruta el día hasta que un imbécil te lo arruine.» Woody Allen

Según la teoría de Dow, «toda información se descuenta en los mercados y se refleja en los precios«. Esto que Charles Henry Dow (1851–1902) ya intuyó a finales del siglo XIX y que sentó las bases del análisis técnico, lo confirma también el análisis de los mercados como flujos de información.

Convencido de ello uno intenta identificar variables, diseñar algoritmos y proporcionar adecuadamente representaciones gráficas para crear heramientas que ayuden al trader a tomar decisiones adecuadas. Entonces sale un imbécil de corbata de seda, dice una chorrada y el mercado cae un 4% en dos minutos.

Sí, si lo miras en temporalidades más largas, el «factor imbécil» queda diluido y minimizado entre el resto, y vuelve a dar la razón a Dow y a Shannon.

Lo que no entiendo es por qué hay tal cantidad de imbéciles con incontinencia verbal en puestos de responsabilidad. Y, lo peor, no sé cómo programar la variable «imbécil de turno» en mis herramientas. Me disculpo por ello.