Sistemas complejos: el caso de los mercados financieros Sistemas complejos: el caso de los mercados financieros Victor Martínez Eguíluz / Martín G. Zimmermann El estudio de sistemas complejos está atrayendo recientemente la atención de numerosos investigadores de todos los campos, tanto en las Ciencias Naturales como en las Ciencias Sociales incluso fuera del mundo académico . A grandes rasgos, se estudian las propiedades emergentes de sistemas formados por muchos elementos por ejemplo personas, átomos, o neuronas que interactúan entre si. La reacción de un grupo de personas ante una situación de pánico, la formación de atascos en autopistas o la estructura de Internet, son algunos ejemplos de sistemas complejos. Una de las características más importantes es que no interviene una autoridad central organizadora, sino que los diversos elementos que forman el sistema se auto organizan. Unos de los mecanismos típicos mediante el cual algunos sistemas sociales pueden organizarse es a través de un comportamiento gregario o imitativo, en el que cada individuo observa lo que hacen sus vecinos alrededor para posteriormente imitar su comportamiento gregario o imitativo, en el que cada individuo observa lo que hacen sus vecinos alrededor para posteriormente imitar su comportamiento. Por ejemplo, a la hora de decidir que película ver o qué regalo comprar, muchas veces uno se ve influenciado por lo que otros han hecho, cuánta gente ha visto la película o ha comprado el objeto. En lo que se sigue, explicamos un modelo que combina transmisión de información y comportamiento gregario para explicar las fluctuaciones observadas en un sistema complejo: las bolsas de valores . A la hora de modelar y analizar el comportamiento de sistemas sociales y económicos, el estudio de mercados financieros ofrece la ventaja de la abrumadora cantidad de datos precisos almacenados. Muy en general se puede decir que el producto de la interacción entre información y agentes de bolsa se reflejaen la evolución de unos índices a lo largo del tiempo. Uno de los problemas de gran interés en finanzas es el origen y las características de las fluctuaciones de los diversos índices en los mercados financieros. En cuanto a su origen no está claro cuánto de estas fluctuaciones se debe a efectos puramente externos, y cuánto al comportamiento propio de los agentes financieros. Estudios empíricos sobre la distribución de las variaciones de los precios, tanto a nivel de índices generales como a nivel de valores individuales, no responde a un mercado puramente aleatorio, sino que la probabilidad de fluctuaciones grandes es mucho más frecuente de lo que uno esperaría en dichos mercados teniendo en cuenta solo procesos puramente aleatorios. La hipótesis que hemos desarrollado es que dichas fluctuaciones puedan ser explicadas en parte a cierto grado de sincronización, voluntaria o involuntaria, en la toma de decisiones de los agentes económicos como resultado de un comportamiento gregario. El comportamiento gregario puede ser debido, por ejemplo, a brokers que, usando las mismas herramientas para analizar los distintos activos, observan las mismas tendencias; a agentes que siguen rumores que se propagan en el parqué; a grandes transacciones que inducen a otros agentes a seguir la misma acción; o debido a inversores que operando desde su casa siguen las sugerencias de la sección financiera de su matutino. En nuestro trabajo proponemos un modelo donde la red de información crece hasta que grupos de agentes actúan según la información que tienen. A modo de ilustración, veamos dos casos extremos. Si los agentes tomaran sus decisiones de qué y cuándo comprar independientemente unos de otros, el mercado fluctuaría aleatoriamente. En el lado opuesto, si todos los agentes tuvieran exactamente la misma información esperaríamos que tomaran las mismas decisiones y por tanto actuarían al unísono. Lo que ocurre en un caso intermedio es que se forman grupos de distintos tamaños que hacenfluctuar los precios en función de su tamaño. El comportamiento que nosotros hemos modelado es gregario, donde basta que uno cualquiera dentro del grupo tome una decisión para que ésta sea imitada por el resto del grupo. La distribución de tamaños de grupos viene controlada por la velocidad de propagación de la información. Si ésta es pequeña los grupos serán mayormente pequeños ya que no da tiempo a formar grupos grandes; por el contrario si la velocidad de transmisión de la información entre los agentes es elevada, esto da lugar a la formación de grupos grandes y a la posibilidad de producir grandes fluctuaciones. El modelo muestra además que el fenómeno gregario pierde fuerza a la hora de explicar tendencias a medio y largo plazo. En estas escalas de tiempo es donde el modelo requiere información complementaria sobre tendencias, sobre la evolución general de la bolsa, de una empresa en particular, o sobre variables macroeconómicas. A nuestro entender, la hipótesis propuesta ofrece una explicación a la distribución de ganancias a corto plazo (escalas inferiores a las dos semanas), dejando abierta la posibilidad de correcciones a medio y largo plazo debido a otros efectos externos. Nuestra intención con esta propuesta es poner de relieve el factor humano en los mercados financieros frente a variables puramente económicas. Desarrollos futuros requieren la incorporación de nuevos elementos que doten de más realismo al modelo. Este proyecto requiere pues una interacción fluida con los profesionales del campo. Experiencias de esta interacción existen, como por ejemplo las empresas Science&Finance, en Francia, o Prediction Company, en EEUU. En el contexto general que describíamos al principio del artículo, nos parecen prometedoras las posibilidades que se abren en el estudio de otros sistemas complejos que involucren agentes económicos o sociales, como por ejemplo el desarrollo de Internet, o la dinámica de la formación y propagación de opiniones y culturas. Para alcanzardicho objetivo nos parece imprescindible fomentar la creación de espacios de carácter marcadamente interdisciplinar, donde las herramientas físicas y matemáticas se amalgamen con los conocimientos de las ciencias sociales y económicas. (*) Ejemplos de aplicaciones de análisis realizados en sistemas "reales" y con aplicaciones comerciales se pueden encontrar, por ejemplo, en el artículo "Complexity´s Business Model", Sientific American, Enero 2001, págs. 23 24. (**) El modelo presentado en este artículo ha sido publicado como "Transmission of information and herd behavior: an aplication to finantial markets" ( Transmisión de información y comportamiento gregario: una aplicación a los mercados financieros), V.M.Eguíluz and M.G. Zimmermann, Physical Review Letters 85, 5659 5662 (2000). Dicho artículo y recortes de prensa se pueden obtener en la siguiente dirección http://topics/victor/Bolsa/herd.html Victor Martínez Eguíluz, Universidad de Copenhague Martín G. Zimmermann, Universidad de Buenos Aires Euskonews & Media 130.zbk (2001 / 7 / 6 13) Eusko Ikaskuntzaren Web Orria
Webgune honek cookieak erabiltzen ditu, propioak zein hirugarrenenak. Hautatu nabigatzeko nahiago duzun cookie aukera. Guztiz desaktibatzea ere hauta dezakezu. Cookie batzuk blokeatu nahi badituzu, egin klik "konfigurazioa" aukeran. "Onartzen dut" botoia sakatuz gero, aipatutako cookieak eta gure cookie politika onartzen duzula adierazten ari zara. Sakatu Irakurri gehiago lotura informazio gehiago lortzeko.