Datos alternativos y pronósticos financieros:¿Están los Stocktwits y las imágenes satelitales alterando las predicciones de los analistas?

Desde principios de siglo, el número de satélites que orbitan alrededor de la Tierra ha aumentado más de un 800%, de menos de 1.000 a más de 9.000. Esta profusión ha tenido una serie de repercusiones extrañas e inquietantes. Uno de ellos es que las empresas están vendiendo datos de imágenes satelitales de estacionamientos a analistas financieros. Luego, los analistas utilizan esta información para ayudar a medir el tráfico presencial de una tienda, comparar un minorista con sus competidores y estimar sus ingresos.

Este es sólo un ejemplo de la nueva información, o “datos alternativos”, que ahora está disponible para los analistas para ayudarlos a hacer sus predicciones sobre el desempeño futuro de las acciones. En el pasado, los analistas hacían predicciones basadas en los estados financieros públicos de las empresas.

Un correo electrónico semanal en inglés que presenta la experiencia de académicos e investigadores. Proporciona una introducción a la diversidad de investigaciones que surgen del continente y considera algunas de las cuestiones clave que enfrentan los países europeos. ¡Reciba el boletín!

Según nuestra investigación, la gran cantidad de nuevas fuentes de datos ha mejorado las predicciones a corto plazo pero ha empeorado el análisis a largo plazo, lo que podría tener profundas consecuencias.

Tweets, twits y datos de tarjetas de crédito

En un artículo sobre el efecto de los datos alternativos en las previsiones financieras, contamos más de 500 empresas que vendieron datos alternativos en 2017, una cifra que se disparó desde menos de 50 en 1996. Hoy en día, el corredor de datos alternativos Datarade enumera más de 3000 conjuntos de datos alternativos a la venta.

Además de las imágenes de satélite, las fuentes de nueva información incluyen Google, estadísticas de tarjetas de crédito y redes sociales como X o Stocktwits, una popular plataforma similar a X donde los inversores comparten ideas sobre el mercado. Por ejemplo, los usuarios de Stocktwits comparten gráficos que muestran la evolución del precio de una acción determinada (por ejemplo, las acciones de Apple) y explicaciones de por qué la evolución predice un aumento o disminución del precio. Los usuarios también mencionan el lanzamiento de un nuevo producto por parte de una empresa y si esto les hace ser optimistas o bajistas sobre las acciones de la empresa.

Utilizando datos del Sistema de Estimación de Corredores Institucionales (I/B/E/S) y análisis de regresión, medimos la calidad de las previsiones de 65 millones de analistas de acciones entre 1983 y 2017 comparando las predicciones de los analistas con las ganancias reales por acción de las empresas.

Descubrimos, como lo habían hecho otros, que la disponibilidad de más datos explica por qué los analistas bursátiles han mejorado progresivamente en la realización de proyecciones a corto plazo. Sin embargo, fuimos más allá al preguntar cómo estos datos alternativos afectaron las proyecciones a largo plazo. Y descubrimos que durante el mismo período en el que se produjo un aumento en la precisión de las proyecciones a corto plazo, hubo una caída en la validez de las predicciones a largo plazo.

Más datos, pero atención limitada

Debido a su naturaleza, los datos alternativos (información sobre las empresas en el momento) son útiles principalmente para pronósticos a corto plazo. El análisis a más largo plazo (de uno a cinco años en el futuro) es un juicio mucho más importante.

Artículos anteriores han demostrado la proposición de sentido común de que los analistas tienen una cantidad limitada de atención. Si los analistas tienen una gran cartera de empresas que cubrir, por ejemplo, su concentración dispersa comienza a producir rendimientos decrecientes.

Queríamos saber si la mayor precisión de los pronósticos a corto plazo y la disminución de la precisión de las predicciones a largo plazo, que habíamos observado en nuestro análisis de los datos de I/B/E/S, se debía a una proliferación concomitante de fuentes alternativas de información financiera.

Para investigar esta propuesta, analizamos todas las discusiones sobre acciones en Stocktwits que tuvieron lugar entre 2009 y 2017. Como era de esperar, ciertas acciones como Apple, Google o Walmart generaron mucha más discusión que las de pequeñas empresas que ni siquiera cotizan en el Nasdaq.

Conjeturamos que los analistas que siguieron acciones que fueron muy discutidas en la plataforma (y que, por lo tanto, estuvieron expuestos a una gran cantidad de datos alternativos) experimentarían una mayor caída en la calidad de sus pronósticos a largo plazo que los analistas que siguieron acciones que fueron poco discutidas. Y después de controlar factores como el tamaño de las empresas, los años de actividad y el crecimiento de las ventas, eso es exactamente lo que encontramos.

Inferimos que debido a que los analistas tenían fácil acceso a la información para el análisis a corto plazo, dirigieron su energía allí, lo que significaba que tenían menos atención para los pronósticos a largo plazo.

Las consecuencias más amplias de una mala previsión a largo plazo

Las consecuencias de esta inundación de datos alternativos pueden ser profundas. Al evaluar el valor de una acción, los inversores deben tener en cuenta las previsiones tanto a corto como a largo plazo. Si la calidad de los pronósticos a largo plazo se deteriora, existe una buena posibilidad de que los precios de las acciones no reflejen con precisión el valor de una empresa.

Además, a una empresa le gustaría ver el valor de sus decisiones reflejado en el precio de sus acciones. Pero si los analistas tienen en cuenta incorrectamente las decisiones a largo plazo de una empresa, es posible que esté menos dispuesta a realizar inversiones que sólo darán frutos dentro de unos años.

En la industria minera, por ejemplo, se necesita tiempo para construir una nueva mina. Se necesitarán tal vez nueve o diez años para que una inversión comience a producir flujos de efectivo. Las empresas podrían estar menos dispuestas a realizar este tipo de inversiones si, por ejemplo, sus acciones pueden estar infravaloradas porque los participantes del mercado tienen pronósticos menos precisos sobre los impactos de estas inversiones en los flujos de efectivo de las empresas (el tema de otro documento en el que estamos trabajando).

El ejemplo de la inversión en reducción de carbono es aún más alarmante. Ese tipo de inversión también tiende a dar frutos a largo plazo, cuando el calentamiento global será un problema aún mayor. Las empresas pueden tener menos incentivos para realizar la inversión si el valor de esa inversión no se refleja rápidamente en su valoración.

Aplicaciones prácticas

Los resultados de nuestra investigación sugieren que sería prudente que las empresas financieras separaran los equipos que investigan resultados a corto plazo y los que hacen pronósticos a largo plazo. Esto aliviaría el problema de que una persona o equipo se vea inundado de datos relevantes para el pronóstico a corto plazo y luego se espere que también investigue resultados a largo plazo. Nuestros hallazgos también son dignos de mención para los inversores que buscan gangas:aunque una mala previsión a largo plazo tiene sus desventajas, podría representar una oportunidad para aquellos capaces de identificar empresas infravaloradas.