El viaje de cuatro etapas hacia la automatización de renta fija del sell side

Este artículo fue escrito por Robert Simek, director de productos para analíticos del sell side de Bloomberg.

Los rápidos desarrollos en tecnología y gestión de datos están permitiendo a los traders del sell side escalar su negocio al reducir la fricción en los procesos de trabajo y confiar en los analíticos para mejorar el proceso de toma de decisiones.

“A medida que se intensifica la competencia por trades y se reducen los márgenes, los analíticos y la automatización se han convertido en algo imprescindible, en lugar de ser solo algo bueno”.

Sin embargo, la automatización no ocurre de un día para otro. El paso hacia procesos de trabajo totalmente automatizados es un viaje que requiere que las empresas tomen varias medidas de desarrollo. Dado que no existe una solución única para todo, cada fase requiere un enfoque diferente dependiendo del tipo y tamaño de la mesa de negociación.

Como veremos más adelante, la etapa en la que una mesa comienza su viaje dependerá de varios factores, especialmente del volumen de datos que consume y genera.

Cuatro fases

El viaje de automatización tiene cuatro etapas. Se comienza con la fase de optimización, en la que se ofrecen atajos para ahorrar tiempo, como la introducción previa de tickets de órdenes a través del uso de tecnología de procesamiento del lenguaje natural.

Las próximas dos fases emplean el uso de reglas para reglamentar acciones basadas en la alimentación de datos, como comunicaciones entre traders.

La primera de estas, la fase basada en reglas estáticas, introduce instrucciones rudimentarias que pueden iniciar acciones basadas en la ciertos desencadenadores. Un ejemplo realista sería una instrucción para utilizar los precios actuales cada vez que se recibe un trade de tamaño menor a 50.

Sin embargo, las reglas estáticas son rígidas y solo responderán a instrucciones específicas. También requieren ajustes manuales a medida que cambian las condiciones del mercado.

La siguiente fase, basada en reglas dinámicas, se caracteriza por tecnología que brinda una mayor flexibilidad y adaptabilidad. Esta tecnología utiliza entradas más sofisticadas que pueden aprovechar los datos recientes del mercado para tomar decisiones importantes de trading.

En la última fase, los analíticos predictivos, software de fase como los sistemas de aprendizaje automático, extrae datos históricos para identificar patrones que pueden ayudar a los traders a predecir tendencias futuras en niveles de probabilidad determinados.

El progreso a través de la evolución de la automatización está marcado por una creciente necesidad (y generación) de datos a medida que los procesos se vuelven más complejos y sofisticados.

De hecho, los datos son el combustible que impulsa la automatización. Las empresas descubrirán que cada etapa de su transición creará volúmenes de datos cada vez más grandes que los impulsarán más lejos en el modelo de madurez. Lo más importante es el enfoque en conjuntos de datos limpios, normalizados y enriquecidos que sean confiables.

Una cuestión de escala

Antes de emprender su viaje, las mesas deberán hacerse varias preguntas para establecer qué nivel de automatización es adecuado. Una de las primeras preguntas que necesitarían responder es qué tipo de mesa operan. Las mesas de cero, baja y alta interacción personal pueden beneficiarse con procesos de mayor optimización, pero tendrán que aplicar la tecnología de diferentes maneras.

Las clases de activos que negocian también tendrán un impacto. Por ejemplo, los altos volúmenes de trade que se observan en las mesas de tasas tendrán un proceso de trabajo y requisitos de datos completamente diferentes a los traders de hipotecas, cuya productividad será significativamente menor.

La ubicación de una mesa también será importante, teniendo en cuenta que el trading está sujeto a controles regulatorios separados en diferentes partes del mundo. El tipo de clientes con los que trabajan las mesas de negociación también influirán.

Teniendo en cuenta los datos y estas otras cuestiones, podemos ver que es probable que las diversas etapas de madurez sean dominadas por ciertos tipos de empresa. Las mesas de alta interacción personal y centradas en la relación tenderán a encontrarse principalmente en etapas iniciales, enfocadas en capturar datos del trading por voz.

Soluciones de Bloomberg

Bloomberg trabaja con clientes en diferentes etapas de automatización, lo que nos brinda la experiencia para ofrecer soluciones que permiten aplicaciones del proceso de trabajo y soluciones de datos necesarias para cualquier situación específica.

Los clientes pueden elegir el nivel de automatización en el que operan y nosotros podemos sugerir soluciones para ayudarles a crecer.

Hemos desarrollado y continuamos mejorando productos que permiten a las empresas reducir el tiempo que les demora tomar decisiones sobre trading. Entre ellas, herramientas para ayudar a los clientes a automatizar la estructuración y creación de negociaciones de trades directamente desde las comunicaciones, ahorrando tiempo, reduciendo errores y capturando datos valiosos.

Nuestro paquete de analítica empresarial del sell side puede ayudar a las mesas a comprender mejor la liquidez y encontrar oportunidades de trading al combinar el flujo de trading en toda la mesa.

Los datos son clave para las operaciones efectivas de las instituciones financieras, pero a menudo se malinterpretan y se requiere esfuerzo para producir conjuntos de datos para impulsar la automatización. Las empresas enfrentan grandes desafíos en la gestión y el almacenamiento de datos de manera segura y eficaz. Y tener acceso rápido a una amplia gama de contenido estructurado y no estructurado se ha convertido en un requisito básico.

Bloomberg tiene soluciones para estos problemas y mucho más. Para todas las mesas, nuestros sólidos conjuntos de datos, analíticos y servicios de hosting líderes en la industria proporcionan la inteligencia vital para impulsar la transformación de la automatización.