Análisis automático en tiempo real para prevenir el agravamiento de condiciones bursátiles arriesgadas
Prevenir otra crisis financiera mundial será difícil si no se cuenta con los medios para analizar riesgos a gran velocidad, responder a los acontecimientos y reducir al mínimo las consecuencias sobre los mercados de todo el planeta. Ahora, unos investigadores e informáticos subvencionados por la UE han creado una infraestructura informática innovadora con la que ayudar a los analistas de mercados, agentes de bolsa y autoridades reguladoras de los mercados financieros a reaccionar con rapidez a comportamientos anómalos y potencialmente arriesgados. En el marco de QUALIMASTER, de tres años de duración y dotado con un presupuesto de 2,9 millones de euros, se ha desarrollado un sistema integral de procesos, modelos y algoritmos informáticos con que analizan grandes volúmenes de datos financieros en tiempo real para poder prever con mayor precisión el riesgo y la probabilidad de fallos del mercado y activar respuestas y ajustes con mayor premura. «La idea consiste en mejorar el tratamiento de los canales de datos y de los datos masivos para construir una infraestructura capaz de adaptarse de manera muy dinámica a cambios de situación», informa la coordinadora del proyecto, Claudia Niederée, investigadora sénior del L3S Research Centre de la Universidad Leibniz, en Hanóver (Alemania). Empleando canales de datos de gran volumen procedentes del mercado de valores (en ocasiones, 100 millones de mensajes por segundo), referentes a fluctuaciones de los precios, tipos de cambio, índices de futuros y precios de bonos, así como información de los medios sociales (como la plataforma de microblogging Twitter) así como de canales de noticias, blogs financieros, datos gubernamentales y otras fuentes, el sistema analiza continuamente la situación para detectar indicios de desequilibrio del mercado. «Investigamos correlaciones para examinar el riesgo sistémico y entender el cambio no sólo de una transacción por sí sola, sino para comprender mejor cómo y por qué se mueven los mercados. También tratamos de desentrañar un tipo de correlación más profundo, de modo que sepamos cómo reaccionar si ocurriese algo», indica la Dra. Niederée. «También creamos medios de visualización, de modo que el analista pueda disponer de un conocimiento más profundo sobre el modo óptimo de actuar». Un sistema dinámico Todo esto funciona dentro de un entorno de datos masivos que se adapta y evoluciona a gran velocidad. Según Niederée: «Los sistemas de tratamiento de datos existentes pueden pecar de estáticos; si ciertos datos financieros se disparasen de manera repentina por cualquier tipo de crisis, la reacción se produciría con cierta demora. En condiciones normales, habría que detener el sistema, reconfigurarlo y reiniciarlo. Nuestro sistema hace esto de forma dinámica y detecta por sí solo si es necesario algún cambio». «Como si de una máquina del tiempo se tratase, se puede retrotraer a otro punto en el tiempo en que la situación fue similar para examinar lo que ocurrió y entender las relaciones entre las entidades del mercado fijándose en su evolución en el tiempo», apunta Niederée. Este sistema configurable, desarrollado en colaboración con empresas de tecnologías financieras, exploraron medios sociales mediante «análisis del sentimiento» para averiguar cómo se forman opiniones acerca de ciertos valores bursátiles o empresas en un momento dado. También sirve para detectar acontecimientos destacados, para lo que se vale de los canales de Twitter, donde detecta señales que afectan a cierto valor o grupo de valores. Reconfiguración automática del hardware El tercer componente del proyecto, novedoso en este campo, fue la conversión de algoritmos de procesamiento de canales de información en código para hardware, de modo que se pueda aprovechar dinámicamente hardware reconfigurable para afrontar con más garantías repuntes inesperados en la actividad de datos. Como explica Niederée, «si tienes que lidiar con miles de entidades en el mercado y computar millones de pares de correlaciones por segundo, te enfrentas a unas cantidades de información tales que las máquinas pueden gestionar con mayor eficacia». La labor realizada por QUALIMASTER también ha suscitado el interés de la industria automovilística, concretamente por las adaptaciones dinámicas en tiempo real a las situaciones en cambio constante, una función útil para vehículos sin conductor.
Palabras clave
QUALIMASTER, finanzas, fintech, transacciones bursátiles automáticas, comportamiento del mercado, mercado de valores, TIC, riesgo sistémico, datos masivos, tratamiento de datos
