Diez años después de la gran crisis financiera, Wall Street vuelve a las andadas. Algoritmos, redes sociales y robots pueden estar incubando una nueva catástrofe. ¿Exagerado?
Se acerca el décimo aniversario del fatídico mes de septiembre de 2008, el de la quiebra de la banca de inversiones Lehman Brothers. Las imágenes de algunos de sus 25.000 empleados saliendo de las oficinas con las cajas donde llevaban sus pertenencias forman parte de la historia negra de este siglo. De repente, todo se vino abajo. ¿Wall Street aprendió alguna lección entonces? ¿Cuál es el panorama una década más tarde?
LA BUENA NOTICIA ES QUE HAY MÁS REGULACIÓN
Los bancos no pueden tomar tantos riesgos confiando en que serán rescatados si no les sale la jugada. Pero ese control se está relajando. Donald Trump ha colocado en los puestos claves de los organismos reguladores a personas muy vinculadas a la industria financiera. Es el caso del secretario del Tesoro, Steven Mnuchin (exbanquero en Goldman Sachs), o del presidente de la Comisión de Bolsa y Valores de Estados Unidos (SEC), Jay Clayton, abogado al servicio de JP Morgan, entre otros. Se están desmantelando las reformas impuestas en 2010 para frenar las prácticas más temerarias, según denuncia Phil Angelides, exsecretario del Tesoro de California y presidente de la comisión nacional que investigó la crisis. «Washington está a punto de cometer los mismos errores que entonces», advierte. El Congreso prepara una ley para relajar la supervisión de los 25 mayores bancos, que ahora son incluso más grandes que en 2008.No tranquiliza que esos bancos estén volviendo a negociar a manos llenas las infaustas permutas de incumplimiento crediticio (CDS, por sus siglas en inglés), ese producto financiero que se convirtió en papel mojado cuando el mercado de las hipotecas subprime (de dudosa reputación) se vino abajo. Angelides también culpa a Obama por no castigar a los culpables. La comisión nacional reunió cargos criminales contra 11 directivos, pero ninguno fue procesado. «El mensaje que se envió a Wall Street es que goza de impunidad».
¿PERO ES WALL STREET LO MISMO QUE ANTES?
No exactamente. Preocupa la confluencia de tres factores que alteran el valor de las empresas que cotizan: noticias falsas y datos manipulados, por un lado; y, por el otro, la negociación automática de alta frecuencia, una forma de inversión rapidísima que se alimenta de estos datos, muchas veces adulterados, para comprar y vender cantidades ingentes de acciones. Este tipo de inversiones, cuyo volumen no llegaba al 20 por ciento antes de la crisis, ya son el 73 por ciento del negocio en las grandes plazas estadounidenses y rondan el 45 por ciento en la City londinense.Son unas pocas firmas -el 2 por ciento de las 20.000 que operan en las Bolsas norteamericanas-, y apenas ganan de media la vigésima parte de un centavo por cada acción negociada, pero han resultado ser los vencedores inesperados de la crisis. Sus defensores argumentan que le dan ‘vidilla’ al parqué, esto es, mucha facturación. Sus detractores, que lo han convertido en una ‘piscina negra’, un mercado opaco donde no te puedes fiar ni de tu sombra.
En Estados Unidos, grupos ciudadanos están promoviendo acciones legislativas para limitar la velocidad en las Bolsas. Y en la City también se impulsa una norma cuyo objetivo es limitar los daños provocados por los algoritmos «pobremente diseñados», que pican el anzuelo de otros algoritmos más espabilados, según un informe de la autoridad del Banco de Inglaterra que vigila la conducta financiera.
Un ejemplo de este nuevo poder es Robert Mercer, un inversor de alta frecuencia. Robert Mercer dirige Renaissance Technologies, compañía que dio apoyo financiero a Cambridge Analytica, la empresa que recopiló los perfiles de 85 millones de usuarios de Facebook para favorecer la campaña electoral de Donald Trump. Como quiera que Hillary Clinton planeaba gravar con un impuesto especial la negociación de alta frecuencia, lo que le hubiera costado a las compañías que operan con algoritmos automáticos 185.000 millones de dólares en los próximos diez años, el interés de Mercer por tener en la Casa Blanca a alguien más favorable a sus negocios está en el punto de mira.
Y si se puede manipular a la opinión pública para obtener un beneficio político, por qué no manipular directamente a los mercados para alcanzar un beneficio económico? Dicho y hecho. La manera más obvia es utilizar noticias sesgadas para engañar a los algoritmos automáticos, que toman las decisiones por su cuenta y sin intervención humana.
MÉTODO UNO
Publicando artículos en webs que hablan de las (supuestas y exageradas) excelencias de un nuevo fármaco contra el cáncer. El autor está pagado por la propia farmacéutica; un detalle que se mantiene oculto. Ha pasado con ImmunoCellular Therapeutics, cuyas acciones se catapultaron a 155 dólares y hoy, sometida a una investigación, valen 24 centavos. La revista Forbes se pregunta «cuál es el impacto de la desinformación en los precios de las acciones». Y el analista Anton Gordon recuerda que «existe una larga tradición de utilizar noticias falsas para desvirtuar el precio de las acciones, pero la sofisticación es cada vez mayor. Y hoy nos movemos hacia una dinámica donde un montón de gente se ha especializado en diseñar algoritmos de detección, que calculan las probabilidades de que una información sea fiable o no».
MÉTODO DOS
¿Y si creamos un algoritmo mentiroso, que sea capaz de ‘timar’ a otros algoritmos (los de la competencia)? Esto se consigue manipulando el big data, es decir, la materia prima en bruto, no ya la información elaborada. ¿Cómo funciona? Cuando compramos una acción, lo que hacemos es una apuesta sobre cómo se comportará en el futuro. En un mundo perfecto, es una buena herramienta para saber el valor real de una compañía, pero no vivimos en un mundo perfecto… Las grandes masas de datos proporcionan pistas a los algoritmos para hacer (o no) la apuesta mencionada. Pero el big data tiene un problema: todos mentimos, como demuestra Seth Stephens-Davidowitz en su libro Everybody lies: «Solo nos retratamos de verdad cuando hacemos una búsqueda en Internet». La veracidad del resto de los datos que esparcimos por las redes conviene ponerla en cuarentena, porque el postureo y la exageración están a la orden del día. Así hemos llegado a un punto en el que las compañías crean algoritmos para tender trampas a otros algoritmos.
Cada negociación, cada noticia, crea un pequeño efecto mariposa. Los ingenieros lo llaman ‘resonancia’. Esa resonancia es mayor o menor dependiendo del volumen de transacciones. La resonancia atrae a las máquinas como las moscas a la miel. Y se crean picos de resonancia artificialmente que hacen subir o bajar un valor, aunque sea durante una fracción de segundo. Tiempo más que suficiente para que las firmas de inversión especializadas hagan negocio.
MÉTODO TRES
Usar la velocidad en beneficio propio. Ya no hablamos de décimas o centésimas… Hablamos de microsegundos (millonésimas de segundo). Una orden de compra en Bolsa se puede realizar en 50 microsegundos. Un parpadeo del ojo humano es mucho más lento: 50.000 microsegundos. ¡Y la misma acción puede cambiar de precio hasta 5000 veces en un segundo! Por eso es tan importante que los ordenadores de las empresas que negocian en alta frecuencia estén ubicados lo más cerca posible de la Bolsa. Cada 150 kilómetros de distancia supone una milésima de segundo de retraso a la hora de ejecutar una orden. Es lo que se conoce como ‘latencia’. Si yo llego antes que tú, voy a quedarme con lo mejor.
Es el reino de la fibra oscura, como se conoce a las redes de cable de fibra óptica que implantan operadores privados para alquilarlos a inversores financieros. La compañía Spread Networks se gastó 300 millones de dólares en desplegar 1330 kilómetros de fibra oscura entre Chicago y Nueva York, para reducir el tiempo de transmisión de 17 a 13 microsegundos. Y ha instalado repetidores con personal que trabaja durante las horas que están abiertas las Bolsas de Chicago y Wall Street, con el fin de garantizar su operatividad.
En el fondo se ha desatado una guerra entre dos concepciones diferentes de negocio. La de los inversores de toda la vida y la de los que operan en alta frecuencia. Anthony Ward, un potente inversor tradicional, se queja de que los algoritmos están distorsionando también el mercado de las materias primas. «Al final todo estallará y nadie escapará a tiempo», predice. Y pone como ejemplo la caída del precio del cacao en 2016. «Los conocedores del mercado habíamos apostado a que el cacao subiría, porque los partes meteorológicos anunciaban el harmatán, un viento alisio que afectaría a las cosechas subsaharianas. Y acertamos. Pero los algoritmos interpretaron exageradamente cierta debilidad de la demanda en China». Resultado, los algoritmos se copiaron unos a otros y el precio se desplomó, atrapando a inversores como Gordon. Para algunos, es un episodio más de la contienda entre seres humanos y máquinas, que se agravará en el futuro.
Así mienten los robots a los inversores (y a otros robots)
No pocos economistas afirman que podríamos estar en la antesala de una crisis financiera mayor que la de 2008. La robotización de la economía podría mostrar pronto los dientes. Así es como actúan los robots…
TRUFANDO ACCIONES (quote stuffing)
Consiste en introducir un gran volumen de órdenes al mercado de manera simultánea y retirarlas de inmediato. Esto se repite una y otra vez. La estratagema obliga a los robots rivales a procesar toda esa información para tomar sus decisiones. De este modo, los ralentiza. Como el robot que ha lanzado las órdenes sabe que son ficticias, las descarta. El robot tramposo obtiene así una ventaja computacional sobre los demás. No obstante, esta ventaja desaparece si todos los robots hacen lo mismo. ¡Y eso ocurre!
FINGIENDO INTERÉS (spoofing)
Hay robots que fingen estar a punto de comprar una acción para que los otros piquen, dejándole el camino libre para comprar las acciones en las que de verdad está interesado.
A RÍO REVUELTO (churning)
Son robots que ponen órdenes de compra y de venta simultáneas y prácticamente al mismo precio. Se hace para incrementar la actividad, generar resonancia y atraer así a otros bots. A mayor demanda, aumenta el precio de la acción.
SABUESOS (sniffers)
Se dedican a olfatear el interés de los grandes inversores para adelantarse. Por ejemplo, detectan que un fondo alemán va a comprar acciones de Microsoft y las compran una fracción de segundo antes para vendérselas más caras.
