Las comercializadoras de commodities buscan expertos en datos que los ayude a tomar la delantera después de ver que la competencia ejerce presión sobre sus márgenes.
Los inversores en monedas, acciones y tasas de interés hace años que usan algoritmos, aprendizaje automático e inteligencia artificial para convertir datos en operaciones exitosas.Ahora, los traders de materias primas están buscando diferentes maneras de explotar su información para aprovechar las fluctuaciones de precios.
"En realidad hay que saber lo que uno busca y combinar eso con las herramientas matemáticas correctas", dijo Peter Leoni, que tiene un doctorado en matemática y es uno de los dos científicos de datos del equipo de 10 personas que recién creó EDF Trading, el brazo de comercialización con sede en Londres del grupo de servicios públicos francés.
"Queremos poder extraer datos y colocarlos en algoritmos", agregó Philipp Büssenschütt, director comercial de EDFT. "Luego planeamos avanzar hacia el aprendizaje automático para mejorar la toma de decisiones de trading y, como resultado, elevar nuestra rentabilidad".
El brazo de comercialización francés está invirtiendo en personal, procesos y sistemas para centralizar sus datos, y no es el único. "Todos en el mundo de los commodities están tomando conciencia del hecho de que nos ha llegado la era de la digitalización", dijo Damian Stewart de los headhunters Human Capital.
En una industria donde las comercializadoras con conocimientos específicos, que van desde los apagones en los yacimientos petrolíferos del oeste de África hasta las condiciones de los cultivos en Rusia, compiten para sacarle ventaja a sus rivales, la democratización de la información que se dio en las últimas dos décadas ha significado un desafío.
Debido a la amplia diseminación de noticias, informes climáticos y seguimiento de los cargamentos, las comercializadoras de materias primas se encuentran con que sus márgenes se ven presionados al desdibujarse su ventaja en cuanto a la información, algo que antes apuntalaba sus ganancias como intermediarios.
El retorno sobre el capital (ROE) en las comercializadoras líderes, una medida de la ganancia generada con el dinero que han invertido los accionistas, cayó significativamente.
Algunas de las traders de petróleo y metales obtenían retornos de entre 50% y 60% a mediados de la década de 2000, pero cayeron en la década de 2010.
Los retornos de las comercializadoras agrícolas fueron históricamente más bajos, pero también han disminuido. Las compañías de commodities conocidas como ABCD -Archer Daniels Midland, Bunge, Cargill y Louis Dreyfus Company- informaron un ROE de un dígito en sus últimos resultados.
Como consecuencia, una creciente cantidad de traders espera mejorar su competitividad alimentando los programas computarizados con montañas de información que han acumulado durante años de comercialización de materias primas físicas; buscan probar y detectar patrones que puedan formar una base de la que surjan ideas de trading.
"En agricultura, metales o energía, las comercializadoras quieren reunir datos a gran escala y correr algoritmos de aprendizaje automático para encontrar patrones que vinculen los fundamentals con los movimientos de precios", explicó Etienne Amic, un ex JPMorgan y actual presidente de Vortexa, compañía de software para seguimiento de cargamentos.
Cargill, por ejemplo, empezó a armar su propio equipo digital global hace dos años y ahora tiene 75 personas dedicadas a la innovación digital, con un equipo de ciencia de datos de 12 empleados.
Según Gert-Jan van den Akker, presidente en Cargill de la división de cadenas de abastecimiento agrícola, la combinación de datos y tecnología de avanzada ya permite tomar mejores decisiones de trading.
"Los humanos siempre tuvieron una función vital al momento de comercializar y comprender los mercados de futuros, pero ya no dependemos sólo del poder del cerebro humano", señaló.
Al mismo tiempo, los modelos computalizados y los programas algorítmicos también influyen más en los precios de los commodities en los mercado de futuros, lo que hace más difícil cubrir posiciones.
"Notamos que los fundamentals y los precios cada vez más se escapan del equilibrio en el mercado debido a los mayores volúmenes ejecutados por algoritmos", dijo Büssenschütt de EDFT.
Entre 2012 y 2016, casi dos terceras partes de los contratos de petróleo crudo negociados en la bolsa de futuros de CME fueron automáticas, comparado con un anterior 54%, según un estudio en 2017 de la Comisión de Negociación de Futuros de Materias Primas de Estados Unidos.
En soja y trigo, la cifra subió de 39% a casi la mitad, mientras que en metales preciosos aumentó de 46% a 54%.
Algunas comercializadoras están uniendo fuerzas con fondos algorítmicos para aprender su funcionamiento. BayWa, una trader agrícola mediana de Alemania, se puso en contacto con Molinero Capital Management, un fondo estadounidense especializado en trading "cuantitativo" respaldado por computadoras, y el fondo alemán Quantumrock Capital.
Pese a este nuevo entusiasmo, el camino hacia la electronificación quizás no llegue tan fácil para algunas traders.
Comparado con otros sectores financieros e industriales, "vienen de muy atrás", aseguró un consultor.
Un problema es que algunas de las comercializadoras de commodities más grandes enfrentan resistencia interna para centralizar información en una única plataforma. Como cada sección de una comercializadora está a cargo de su cuenta de pérdidas y ganancias, los datos no se suelen compartir incluso entre los colegas, explicó Antti Belt, director de trading digital de commodities en Boston Consulting Group. "La iniciativa de compartir todos nuestros datos entre nosotros" implica un cambio de cultura muy muy grande", agregó.
Otro problema que surgió es que en algunas traders, el personal opera en plataformas de múltiples tecnologías y las distintas unidades de negocios usan sistemas distintos.
En vez de centrarse en la analítica, algunos científicos e ingenieros de datos se tienen que concentrar en harmonizar las plataformas antes de introducir los datos provenientes de diferentes partes de la economía.
Incluso donde ya existe la infraestructura digital, podría llevar algún tiempo que la inteligencia artificial se aplique en gran parte del trading de materias primas. Gerard Delsad, el director de sistemas de Vitol, amplió su equipo en un 20% a más de 100 personas en los últimos tres años, incluyendo varios científicos de datos.
Contó que a una computadora todavía le cuesta encontrar patrones en los datos y elaborar ideas de trading por si sola. "Todavía se necesita que el operador proponga algunas ideas, algunas pistas de dónde mirar, y luego se pueden encontrar algunas cosas interesantes".
Por Emilo Terazono - Financial Times
