Cómo llamar el sesgo derivado de las expectativas de los inversores

Las expectativas de los participantes del mercado nunca son unánimes. Cuando las personas “esperan que las tasas aumenten”, ciertamente hay otros que son al menos escépticos.

A menudo, un inversionista respetado y rico se equivocará en una predicción y un joven de 18 años que juegue con la cuenta de corretaje de su padre tendrá éxito jugando el movimiento opuesto. Por lo tanto, tales medidas de lo que llamaré “sesgo de sentimiento” son difíciles de cuantificar y modelar, especialmente con respecto a datos históricos más antiguos. Hay excepciones obvias como en el caso que notó, donde las noticias inminentes o altamente probables influyen en las expectativas de casi todos. En estos escenarios, seguiría a la multitud y haría intercambios basados ​​en las ramificaciones de lo que es probable que suceda (impacto de tasas más altas), cubriendo mi riesgo en la medida en que lo considere necesario.

Sin embargo, no toda la esperanza se pierde. He notado algunos resultados interesantes en los últimos años con respecto al análisis de opinión de las redes sociales y los datos de noticias. Por ejemplo, en Twitter las acciones tienen su propio hashtag de tipo denotado por el símbolo $, por ejemplo. $ MSFT para Microsoft. Twitter puede no ser la fuente más obvia de noticias del mercado, pero un flujo grande y consistente de datos en tiempo real ofrece muchas oportunidades para realizar transacciones basadas en las oportunidades que surgen de los escenarios de tipo “noticias de última hora”. Bloomberg y Reuters también ofrecen feeds patentados con datos más limpios de fuentes verificadas.

Se pueden usar varios métodos que se originan de la lingüística computacional y el aprendizaje automático para asignar un “puntaje de sentimiento” de promedio móvil en tiempo real a una compañía o índice específico. Cuando las noticias (informes de ganancias, tasas de interés, etc.) afectan significativamente el puntaje hacia arriba o hacia abajo, se pueden realizar intercambios en una carrera para obtener beneficios de la información. Otro ejemplo más donde la ejecución óptima y la latencia son críticas.

Los fondos de cobertura que son más rápidos que todos los demás, sin duda, están haciendo un asesinato utilizando métodos similares o derivados. Supongo que Renaissance Technologies es una de esas firmas ampliamente discutida, como ya he notado anteriormente en las publicaciones de trabajo en su sitio web que requieren un doctorado en lingüística computacional.