Este artículo fue escrito por Robert Simek, director de productos para analíticos del sell side de Bloomberg.
La digitalización de los mercados de capital está generando un tsunami de datos segundo a segundo que las instituciones financieras están utilizando para informar mejor sus decisiones de trading.
En todas las clases de activos, la información de trading se está capturando y luego se está suministrando hacia los flujos de trabajo de front-office después de identificar nuevas oportunidades y nuevos riesgos que pueden dar forma a la próxima transacción.
Pero los beneficios no se están sintiendo igualmente en todo el ecosistema financiero. Los traders de acciones, derivados y otros instrumentos que se trasan en mercados transparentes están recibiendo información crucial sobre sus actividades a cada segundo. Sin embargo, los que se dedican a renta fija y otros valores negociados en mercados extrabursátiles, deben confiar en sus propios esfuerzos para capturar la información vital.
Los desafíos son aún mayores para los formadores de mercado del sell-side, quienes todavía dependen en gran medida de los flujos de trabajo manuales. Tratan de descifrar sus propios precios; los datos compuestos que pueden empoderar a los traders del buy-side son de poca utilidad para sus contrapartes del sell-side, que necesitan comprender una maraña de información patentada, como el riesgo actual y liquidez de su base de clientes, dónde se realizaron los trades, a qué precio y a qué diferencial entre precio de compra y precio de venta.
Capturar esos datos puede ser difícil y costoso; lo más probable es que una empresa necesitará involucrar a múltiples proveedores, y sin una capa de datos común sus datos suministrados deben ser procesados para encajar en los sistemas patentados existentes. Y como no hay muchos proveedores que puedan proporcionar todas las capacidades necesarias para hacerlo, estos procesos tendrán que llevarse a cabo internamente o incluso por otro proveedor externo.
Sin embargo, sin esos datos las organizaciones del sell-side pueden quedar rezagadas. No podrán automatizar y crear reglas que ayudarán a informar los futuros trades. A menos que las empresas tengan los datos, debidamente procesados y fácilmente accesibles, se encontrarán excluidas del tipo de actividades y las ventajas que tienen sus competidores.
Desafíos de la transformación
El viaje de los datos se puede desglosar en varias etapas críticas, todas las cuales conducirán a la creación de conjuntos de datos que aproximen el tipo de información de series de tiempo que es tan importante a otras partes de una empresa de trading.
El primer paso es obtener los datos brutos de trading. De manera óptima, eso incluiría datos sobre los trades no completados. Esta información puede ser una fuente de información igual de potente sobre la percepción e intenciones de los clientes como las operaciones completadas, pero a menudo se pasa por alto o se descarta. Pocas empresas han implementado procesos para capturar estos datos, a menudo porque se han garabateado en un cuaderno o simplemente nunca se han registrado.
Existen varias maneras en las que se pueden extraer esos datos. Los registros electrónicos de operaciones son una fuente. Sin embargo, estos se vuelven problemáticos cuando una empresa se negocia en múltiples plataformas, todos los cuales podrían utilizar diferentes términos para describir los trades no completados. Esto puede derivar en la duplicación de transacciones en el registro de datos, y podría contaminar los registros de transacciones.
Aún más complicado es el seguimiento de los trades no completados que se originaron manualmente. Esos datos se encuentran en las comunicaciones digitales entre los traders y sus contrapartes, de las cuales se deben extraer importantes extractos de información utilizando la sofisticada tecnología y software de procesamiento de lenguaje natural (PLN). Tener las capacidades para identificar y recuperar esa información está demostrando ser la pieza final en el rompecabezas de la digitalización para muchas empresas.
Una vez que se han incorporado los datos, se deben limpiar, normalizar y hacer utilizable por los procesos analíticos, que revelarán los patrones de trading y el análisis que podría propulsar la próxima transacción.
Parte de ese proceso implica la eliminación de información extraña o duplicada que puede confundir o sesgar conjuntos de datos, como se mencionó anteriormente. También implica el mapeo de datos a los trades o instrumentos asociados para crear una imagen lo más completa posible de cada trade.
Las transacciones no se producen dentro de un vacío; las circunstancias y los resultados de una transacción pueden verse influenciados por una serie de factores externos, incluidas las condiciones del mercado, la volatilidad de los precios, la percepción de los clientes y las situaciones geopolíticas. Esta información ambiental, o contextual, también debe incorporarse en el registro digital de cada operación.
Una forma valiosa de hacerlo es vincular el instrumento financiero a un teletipo bursátil asociado de acciones, donde se ponen a disposición conjuntos de datos más grandes, incluyendo la percepción de las redes sociales y otras fuentes “alternativas”. Otro método es capturar datos puntuales relacionados con los precios y condiciones exactos del mercado en el momento del trade, los cuales se pueden utilizar más adelante para análisis.
Lea el viaje de cuatro etapas a la automatización de renta fija de Sell-Side, de Robert Simek, para obtener más información sobre el viaje de la automatización.
Socio de confianza
Incorporar esos datos y hacerlos utilizables es solo parte del desafío, asegurarse de que se actualicen adecuadamente para que puedan seguir siendo de valor es otro desafío diferente que todas las instituciones financieras, excepto las más grandes, tendrán dificultades para superar a nivel interno.
Es por eso que confiar ese trabajo a un proveedor externo de tecnología y datos como Bloomberg será valioso.
Las soluciones empresariales de Bloomberg Sell-Side pueden capturar los datos de las empresas, normalizarlos, enriquecerlos con información contextual y mapearlos correctamente para que los clientes queden con una visión clara y ordenada de sus actividades de trading. Es importante destacar que eso incluye datos sobre los trades no completados.
Una vez que se han limpiado y estructurado, las empresas pueden aplicar potentes cálculos y analíticas a sus datos de trades no completados que se aseguran en la nube y extraen información crítica (como métricas de rendimiento, conciliación de liquidez e incluso herramientas de precios impulsadas por IA), los que informarán de mejor manera las decisiones de inversión e impulsarán el crecimiento de los ingresos. Y con el soporte integrado para todos los EMS y los protocolos de trading, los clientes pueden conectarse desde cualquier configuración local.
Para obtener el mayor valor posible de sus datos, es importante que las empresas del sell-side no subestimen la dificultad que podrían enfrentar en su transformación digital. Tener un socio con uno largo historial de proporcionar soluciones a esos complejos desafíos marcará la diferencia entre una transición exitosa y una transición costosa y perjudicial.
The post Desbloquear el valor de los datos de trading no será fácil, pero será crucial appeared first on Servicio Bloomberg Professional.