Traders con poco pelo en el New York Stock Exchange (la Bolsa de Nueva York, vamos)
Traders con poco pelo en el New York Stock Exchange (la Bolsa de Nueva York, vamos)
Firma invitada

‘Machine learning’ y psicología: cómo frenar impulsos irracionales en el ‘trading’ online

El 'machine learning' es, por tanto, clave para aquellos proveedores de trading que quieran innovar más y pasar de ser operadores de nicho a líderes de un mercado de masas en el ámbito de las fintech

El cerebro humano no está diseñado para el trading, y existen evidencias de ello. Cuando nos disponemos a realizar estas operaciones, se activan en este órgano tanto la parte racional como la emocional de forma simultánea. Así, conscientemente, tomamos decisiones que creemos del todo lógicas, pero que se ven influenciadas por fuerzas externas que, a menudo, pasan totalmente desapercibidas. El resultado de todo esto en inversión minorista no deja lugar a dudas: cada vez más inversores no logran obtener beneficios en las plataformas online de trading: pese a que la mayoría de las operaciones sean rentables, el valor de las pérdidas supera frecuentemente al de la ganancia media.

Aunando ciencia y psicología, se han creado sistemas de inteligencia artificial que analizan el comportamiento de los traders, desde las noticias que leen hasta su historial de operaciones a través de plataformas de trading. Estos desarrollos tecnológicos permiten detectar también sesgos que de forma común e inconscientemente afectan a los inversores, ofreciéndoles información, consejos y soluciones personalizadas para ayudarles a realizar operaciones más responsables e inteligentes. Además, todo forma parte de un proceso iterativo en el que se introducen mejoras constantemente dentro de los sistemas para que puedan asesorar cada vez mejor a los traders.

Aun así, esta tecnología de aprendizaje avanzado va mucho más allá de la mera comprensión de cuáles han sido las noticias que ha leído el usuario o qué mercados le despiertan mayor interés. Estos sistemas inteligentes son capaces asimismo de analizar métricas precisas sobre determinadas operaciones, examinar las acciones que lleva a cabo el trader en distintas casuísticas, agrupar usuarios por localización y mercados de preferencia, entre otros filtrados, a fin de asegurar que el contenido que se proporciona a cada persona es el más adecuado en su caso.

Crear plataformas de trading inteligentes y personalizadas permitirá, por otro lado, que las relaciones con los clientes se estrechen, y que se tengan de verdad en cuenta sus necesidades o preferencias para que la actividad en trading sea más efectiva. Por ejemplo, según un estudio reciente con usuarios con más de 10 operaciones abiertas, se descubrió que los traders con menos éxito solían verse más influenciados por sesgos y que mantienen posiciones con pérdidas 4,7 veces más que los usuarios rentables. Gracias a la innovación tecnológica, se pueden realizar también simulaciones para predecir qué pasaría en distintos escenarios y asesorar a los clientes en técnicas como en el caso de las órdenes de stop-loss que, de acuerdo a informes de expertos, si se aplican sólo en el 2% del capital, se podría reducir en 2,16 veces el tiempo dedicado a posiciones perdedoras. Siguiendo estas pautas, únicamente el 13,3% de los clientes experimentaría un cierre de margen, frente al 51% a quien le ocurriría esto en un entorno real. De esta manera, al extraer conocimiento de valor a partir del comportamiento de usuarios, podemos asistir a los mismos y enviarles mensajes personalizados desde la plataforma de trading para recordarles qué tipos de acciones pueden tomar para alcanzar beneficios.

El machine learning es, por tanto, clave para aquellos proveedores de trading que quieran innovar más y pasar de ser operadores de nicho a líderes de un mercado de masas en el ámbito de las fintech, con la posibilidad añadida de desarrollar recomendaciones y contenidos hiperfocalizados para los clientes a una escala sin precedentes. En el pasado, los analistas de datos podrían haber aplicado elementos de segmentación a su base de datos de usuarios y proveer a estos grupos con diferentes productos o servicios; sin embargo, la tecnología de aprendizaje automático facilita que este proceso se lleve a cabo a un nivel más detallado y con mayor alcance, a través del análisis de enormes cantidades de datos que servirán para poder ofrecer a los usuarios o traders, en este caso, experiencias únicas, provechosas, personalizadas y orientadas a sus intereses.

Ivan Gowan es CEO de Capital.com  

Retina

22/03/2019
El día del padre, en 15 apps
05

El día del padre, en 15 apps

Como todo al final es una excusa para hablar de tu libro, nosotros te proponemos 15 apps para este Día del Padre. Y da igual que no seas padre, por cierto.

Normas