ETFFIN Finance >> Curso de Finanzas Personales >  >> Acciones >> Bolsa de Valores

Entendiendo los flash crashes: Causas, riesgos y protección al inversor

Poco después de la Gran Recesión, los mercados bursátiles estadounidenses se desplomaron —y se recuperaron en 36 minutos. El Dow Jones Industrial Average cayó más de un 9%, perdiendo más de 1.000 puntos antes de recuperarse repentinamente.

Este evento del 6 de mayo de 2010 fue el primer "flash crash" registrado. Aunque no tuvo efectos a largo plazo, generó preocupaciones entre los inversores sobre la estabilidad del mercado de valores.

Las computadoras han hecho el comercio más rápido y eficiente, pero también pueden crear inestabilidad en los mercados. Hoy, los analíticos cuantitativos usan algoritmos complejos para realizar muchas operaciones en muchos mercados en una fracción de segundo. Estos nuevos algoritmos ahora representan más de la mitad de todas las operaciones. Pero esto puede llevar a aún más flash crashes.

Como ingenieros, nos interesó ese colapso de mayo de 2010. No hay una sola razón que explique por qué ocurren los flash crashes. Pero, ¿hay formas de predecir y mitigar estas anomalías? Asumimos el desafío de desarrollar una teoría que pueda ayudar a predecirlos.

El flujo de los mercados

Comenzamos con la dinámica de fluidos, el estudio del flujo de fluidos como el agua. Estos principios pueden aplicarse a otros problemas; uno de nosotros usó previamente la física de fluidos para examinar el movimiento del tráfico.

En la dinámica de fluidos, los investigadores observan cómo cantidades medidas, como la velocidad y la presión, afectan la dinámica del flujo. Por ejemplo, los pronosticadores del tiempo usan los cambios en la velocidad del viento y la presión para predecir el movimiento de tormentas severas.

Nos preguntamos: ¿Podría esta ciencia dar una visión de la dinámica del mercado de valores?

Sentimos que las teorías existentes que predicen flash crashes son inadecuadas, porque se centran solo en una pequeña parte del panorama general, como el rendimiento de algún subconjunto de acciones. El Dow Jones o los índices S&P 500 proporcionan una cantidad limitada de información sobre el mercado, al observar el comportamiento de un subconjunto de acciones elegidas apropiadamente.

Nuestro enfoque fue incluir todas las acciones del mercado. En contraste, nuestro modelo da esta información para casi toda la gama de acciones, desglosada por rangos de precios específicos. Todos estos rangos pueden observarse simultáneamente, generando una alerta temprana.

Encontramos análogos para las mediciones que los científicos suelen usar para entender el flujo. Por ejemplo, para nuestro modelo, la "densidad" del flujo era el número de acciones por unidad de precio, y la "presión" era la fuerza ascendente o descendente sobre el precio causada por la actividad de compra y venta de los operadores.

Observando los mercados de valores desde una pantalla de computadora, podíamos ver que el movimiento de los precios de las acciones se asemeja al flujo de un fluido como el aire o el agua.

Examinando el flash crash

En nuestro estudio, publicado el 1 de septiembre de 2018, obtuvimos datos de precio por minuto para unas 4.000 acciones en el NYSE, NASDAQ y AMEX el día del flash crash de mayo de 2010. Usamos estos datos para probar nuestro modelo de dinámica de fluidos del mercado.

Cuando observamos los precios de 700 acciones en la tarde del colapso, vimos que el shock era claramente visible. Los gráficos de velocidad se parecían a la impresión de un dispositivo sismográfico que monitorea los temblores de un terremoto. Los gráficos de presión también mostraban claramente un evento importante en el momento del flash crash.

Entendiendo los flash crashes: Causas, riesgos y protección al inversor

Observar todas las acciones también nos dio la capacidad de predecir el futuro cercano de su comportamiento. Nuestro modelo mostró señales de un flash crash 10 minutos antes del gran evento —antes de que cualquier problema hubiera sido evidente para observadores humanos.

Hemos observado resultados similares del modelo en el caso de otros colapsos. Por ejemplo, estudiamos la oferta pública inicial de Facebook el 18 de mayo de 2012. La empresa recaudó unos 16.000 millones de dólares, pero esta masiva oferta se vio afectada por dificultades técnicas inesperadas. La OPV se retrasó 30 minutos, causando turbulencia en los mercados durante unas horas.

En nuestro esfuerzo por analizar lo que realmente sucedió ese día, probamos nuestro modelo para ver si podía observar señales previas a la hora de la oferta. El modelo mostró un período de alta volatilidad que afectó a muchas acciones, creando caos en los mercados.

El próximo gran colapso

Nuestro próximo paso es generar un sistema inteligente que considere automáticamente los datos y advierta a los supervisores sobre las perturbaciones inminentes en el mercado. Si esta alerta llega con suficiente antelación, los inversores podrían usarla potencialmente para tomar medidas preventivas.

Sin embargo, hay algunas formas en que el modelo aún necesita mejorar. Confiar en señales tempranas puede llevar a falsos positivos, que queremos minimizar. Algunos de nuestros resultados recientes, aún no reportados, sugieren cuántos falsos positivos y negativos ocurren.

En un estudio diferente, aún no publicado, describimos un sistema que analiza días de comercio cuando se reportaron anormalidades. Hemos encontrado que nuestro sistema fue capaz de producir bajas tasas de falsos positivos y negativos.

A la luz de estas alarmas, los reguladores del mercado podrían tomar la acción apropiada. Por ejemplo, podrían impedir que se realicen ciertas operaciones o bloquear a operadores particulares de cualquier actividad por un período. Los operadores podrían optar por comprar acciones cuando los precios están cayendo y vender durante los momentos en que los precios vuelven a sus valores previos al colapso. Estas acciones podrían ayudar a reducir el impacto del colapso.

En otras palabras, los inversores podrían explotar el colapso para mejorar sus posiciones —y simultáneamente ayudar a amortiguar algunos de los efectos del colapso.