A raíz de un interesante artículo publicado en el número de este mes de la revista Wired (y que podéis leer aquí), me he decidido a explorar un poco más a fondo este nuevo nicho de mercado: el de los servicios mediante los que es posible montar o participar en un hedge fund cuantitativos sin movernos de casa.
Quantopian
¿Quién no conoce Quantopian? Cualquiera que lleve un tiempo en el trading cuantitativo y el desarrollo de sistemas de trading seguramente ha caído alguna vez en la página web de esta compañía de Boston creada en 2011 por John Fawcett y Jean Bredeche.
Y es que en Quantopian podemos encontrar prácticamente todo lo necesario para llegar a gestionar capital con nuestros algoritmos. De aperitivo, tenemos un completo entorno de programación en la Nube basado en IPython donde podemos escribir nuestras estrategias virtualmente desde cualquier parte del mundo con cualquier ordenador con conexión a Internet.
Las estrategias que desarrollemos podemos testearlas gratuitamente contra bases de datos que contienen 14 años de históricos intradía de acciones y opciones negociadas en los mercados estadounidenses (en breve también incorporarán históricos de futuros incluyendo CME, CBOT, NYMEX e ICE).
Además cada mes se inicia una competición de 6 meses con premios para los tres mejores algoritmos durante ese período (aquí podéis ver los rankings de cada mes), obteniendo 5.000$ el primero, 1.000$ el segundo y 500$ el tercero así como camisetas de edición limitada para los 100 primeros. Los requisitos generales para que un algoritmo reciba una alta puntuación y optar a los premios son que tenga una baja correlación con el mercado (es decir, poca beta), que sea consistente y estable, sin grandes drawdowns y con rendimientos positivos.
Pero sin duda lo mejor de todo es que los mejores algoritmos en Quantopian son candidatos a recibir capital para gestionar a cambio de una participación en los beneficios generados. Actualmente Quantopian gestiona fondos de inversores que tengan cuenta en Interactive Brokers o en Robin Hood pero el objetivo final es crear un vehículo de inversión para institucionales. Por el momento, el pago que recibe el creador del algoritmo si genera beneficios al inversor es de un 10% sobre la rentabilidad trimestral obtenida (en total un 20% ya que Quantopian se lleva otro 10%).
Dicho de otro modo: gracias a Quantopian con un poco de programación y buenas ideas para hacer trading uno se puede montar un negocio de gestión basada en algoritmos de trading desde casa y sin tener que reunirse con potenciales inversores.
Y si no tenemos ni idea de por dónde empezar no os preocupéis porque hay una comunidad de usuarios en la que se comparte abundante código e ideas.
Quantiacs
En la misma línea que Quantopian, de la mano de Martin Froehler y Eric Hamer aparece en 2014 Quantiacs. Con sede en Mountain View (California), Quantiacs se define como un mercado de estrategias algorítmicas para institucionales. Comparando Quantiacs con Quantopian, aquí tenemos 25 años de históricos aunque en timeframe diario (aquí no hay datos intradía intencionadamente, tal y como explican aquí) para 49 contratos de futuros y acciones incluidas en el S&P500, así como datos para 55 indicadores macroeconómicos de EEUU.
Por otro lado, aquí no contamos con una plataforma de programación en la Nube como era el caso de Quantopian sino que debemos instalarnos una toolbox (disponible para Python y Matlab) lo que para algunos puede ser una ventaja, ya que permite al trader decidir si sube su algoritmo a la plataforma para ofrecerlo a los inversores o no.
Con respecto al pago a los traders, también reciben la mitad del performance fee, esto es, un 10% trimestral sobre beneficios obtenidos (la mitad del 20% total que se carga al inversor), aunque en ocasiones puede ser mensual.
En resumen, quizás tenga menos funciones que Quantopian pero a cambio parece claramente orientado a dar servicio a institucionales y además tenemos la opción de usar Matlab y no solo Python. Por tanto, una alternativa interesante para montar nuestro negocio de gestión algorítmica.
Numerai
Pero sin duda la propuesta más innovadora de todas las que he visto hasta la fecha es la de Numerai. Creada por el matemático Richard Craib en 2015, el objetivo de la compañía con sede en San Francisco es la de atraer talento a su ecosistema para gestionar un hedge fund. Dicho así puede parecer que esto no es nada nuevo pero si Howard Morgan, el cofundador de Reinassence Technologies ha invertido en el proyecto está claro que hay algo más.
¿Qué es lo que marca la diferencia entre Numerai y otras plataformas? La idea es que el mercado es ineficiente en relación a los nuevos desarrollo en machine learning ya que solo una pequeña parte de los data scientists del mundo tienen acceso a la información necesaria para revelar esas ineficiencias.
Es aquí donde Numerai entra en acción, dando a los data scientists la posibilidad de analizar millones de datos de mercado, incluyendo los trades de los participantes en Numerai, usando algoritmos de machine learning con el fin de detectar pautas predictivas.
De esta forma, cientos de data scientists compiten por crear los mejores algoritmos usando las bases de datos encriptadas de Numerai. Pero además en este ecosistema se añade un aspecto crucial: por extraño que pueda parecer, se trata de un entorno colaborativo. En los inicios de Numerai los participantes no tenían incentivos a mejorar ni compartir estrategias. Su objetivo era encontrar estrategias que funcionaran bien en los backtests y ya.
Pero a Craib se le ocurrió una idea realmente brillante: pagar a los creadores de algoritmos con una divisa virtual (denominada Numeraire) cuyo valor depende del éxito de todas las estrategias ejecutadas en Numerai. De esta forma se incentiva la colaboración entre participantes ya que el conjunto se beneficia del éxito de las estrategias de todos. Después a cada participante se le cambiarán sus Numeraires por Bitcoins si sus estrategias generan beneficios de forma individual. De esta forma cada uno siente que recibe lo que merece en función de sus logros a la vez contribuye al bienestar de la comunidad. En definitiva se trata de enfrentar el modelo del software libre (que es de suma positiva, por cuanto se ayuda a mejorar un producto entre todos) con el de los mercados financieros, de suma cero.
Para remate Craib plantea la posibilidad de crear un mercado para negociar Numeraire, en el que los participantes con menos éxito vendan sus créditos a los que tienen más éxito que buscan aprovechar las mejores rachas de sus estrategias. Aparte de eso, un inversor también puede comprar Numeraires como una forma alternativa de apostar por el fondo, ya que si las cosas van bien el valor del Numeraire se incrementará en el tiempo.
Desde luego la idea es realmente original y ha atraído ya a 7.500 data scientists totalmente anónimos que han elaborado 500.000 modelos generando 28 millones de predicciones sobre el mercado. Los 100 mejores ya han recibido pagos en Bitcoins por un total equivalente a 150.000 dólares.
Conclusión
Está claro que los nuevos avances en análisis de Big Data y Machine Learning están teniendo un gran impacto en nuestra forma de ver e interpretar el mundo. Y como cabía esperar, en el caso de los mercados financieros no iba a ser menos. Iniciativas como las que hemos visto en este artículo invitan a pensar que, en un futuro, veremos mercados totalmente dominados por algoritmos que compiten entre sí hasta agotar cualquier ineficiencia existente. Y entonces… ¿tendrán sentido los mercados financieros?
Saludos,
X-Trader
