Ellos vienen del futuro. Alejandro Cañete y Sebastián Torrealba van más adelante que la mayoría de los traders del país. A veces, 500 milisegundos más adelante. A veces menos. Algún día podrían estar a microsegundos o incluso nanosegundos. “Lo que nosotros hacemos es construir tecnologías, infraestructuras y modelos matemáticos”, explica Cañete, uno de los pocos chilenos que hacen transacciones de alta frecuencia o high-frequency trading (HFT). Esas tecnologías que crean les permiten, en milisegundos, hacer transacciones búrsatiles en bolsas como las de Nueva York y Chicago.

En estricto sentido, ni Cañete ni Torrealba -ni cualquier otro ser humano- pueden tomar una decisión de comprar o vender en esos milisegundos. La decisión la toman algoritmos que ellos han creado, es decir, modelos matemáticos reciben datos y generan una acción. “A medida que la economía se ha ido expandiendo y aparecieron los sistemas electrónicos, los volúmenes aumentaron cada vez más, especialmente en Estados Unidos”, explica Sebastián Torrealba, “y empezaron a crearse algoritmos que ayudaban, por ejemplo, a que un fondo de pensiones manejara posiciones en 600 empresas distintas”. En los últimos diez años, estos modelos fueron complejizándose y, gracias a supercomputadores, fueron capaces de acelerar los procesos, al punto que hoy realizan transacciones en un segundo, medio segundo o menos.

Los chilenos que saben cómo hacer esto no superan la decena. Para estar en esta área no bastan las finanzas: es necesario saber de matemáticas y de ciencias de la computación. Y mucho. “Son tres skills que son de mundos distintos y que tienen que estar en un mismo equipo o en el cerebro de una misma persona para poder hacer algo de esto”, dice Alejandro Cañete (32), quien es el desarrollador en jefe de Pan Alpha Trading y opera en Manhattan. Torrealba (34), mientras tanto, realiza este tipo de transacciones desde la empresa de la que es socio, Algometrics, basada en Santiago, en una oficina con no más de cinco habitaciones en Las Condes. Ambos, por cada lado, generan enormes cantidades de transacciones en las bolsas estadounidenses. “Hay días en que podemos hacer 400 ó 500 millones de dólares de trading. En la bolsa en Chile se transan 200 millones de dólares al día. O sea, nosotros solos hacemos dos o tres veces el tamaño del mercado local”, dice Torrealba.

Las tácticas que utilizan high-frequency traders como Torrealba o Cañete obviamente no son conocidas al detalle. El algoritmo es el secreto que vale oro y en el que invierten al menos un año trabajando para que éste procese información y ejecute una acción en menos de un segundo. Sin embargo, en términos amplios, hay estrategias que son conocidas, como el buscar pequeñas diferencias de precio para un mismo activo, vendiéndolas en tiempos brevísimos y ganando el margen. Otros algoritmos buscan relaciones estadísticas entre acciones o bonos y, cuando éstas se rompen, aunque sea por unos segundos, van por ellas, esperando vender cuando la relación se reponga.

“Casi el 90% de las estrategias de alta frecuencia tienen que ver con proveer liquidez o arbitrar valores”, dice Alejandro Cañete. Sin embargo, hay actores que realizan estrategias más agresivas, como inundar el sistema con órdenes para ocupar el ancho de banda y no permitir el paso del resto, o crear ofertas falsas diseñadas para atraer a otros y luego cancelarlas. “Es un porcentaje menor el que hace cosas más predatorias y, en general, es ese cinco por ciento el que genera la mala prensa”, dice Cañete.

Porque el HFT ha tenido gran éxito en las bolsas de Estados Unidos y también con eso escépticos y críticos. Algunos analistas hablan que hoy el 70% de las transacciones en ese país son de este tipo. Otros, los más conservadores, dicen que la cifra está en el 50%. Eso quiere decir que al menos la mitad de las compras y ventas de instrumentos no están siendo hechas por humanos que analizan si el clima en una región va a echar a perder la cosecha de azúcar o si el nuevo producto de Apple es un fracaso, como ha sido desde el comienzo del comercio moderno. No, se trata de computadores, analizando puramente números. Y son exitosos, aunque no siempre.

Cuando los robots se equivocan

Perder 10 millones de dólares por minuto. Por 45 minutos. Esto fue lo que le pasó a la empresa Knight Capital en agosto de este año. La Bolsa de Nueva York estrenaba una nueva plataforma electrónica y Knight tenía un nuevo software para operar en ésta. Pero, cuando se echó a andar, pasó algo extraño. La empresa compraba caro y vendía barato, muchas veces por segundo, perdiendo entre 10 y 15 dólares con cada operación. En total, Knight perdió 440 millones de dólares y quedó al borde de la quiebra. Otro caso: en mayo de 2010, un algoritmo de un trader en Kansas hizo bajar al Dow Jones 600 puntos en cinco minutos. El pánico duró poco: diez minutos más tarde la bolsa ya se había recuperado. Fue el llamado “Flash Crash”.

Son el tipo de episodios que les dan mala fama a las transacciones de alta velocidad a través de algoritmos.

“Riesgos hay, pero son los que existen en cualquier tipo de operación tecnológica”, dice Alejandro Cañete, “éstas son obras de ingeniería y, si se tratan como tales, no van a tener problemas o van a tener los problemas asociados al riesgo que uno está dispuesto a asumir. No se puede trabajar como una mesa de negocios clásica”.

De todas maneras, la Securities and Exchange Commission, el ente regulador estadounidense, ha introducido normas para evitar este tipo de problemas, así como las prácticas predatorias. Mientras tanto, en Europa hay voces que han pedido introducir un tiempo mínimo de posesión de un instrumento financiero. Los high-frequency traders ven estos movimientos con cautela: por un lado éstos mejoran su reputación y dan transparencia, pero, por otro, implican introducir cambios a sus estrategias y pueden amenazar la liquidez, condición necesaria para su éxito. “Este negocio tiene riesgos regulatorios firmes. Nosotros partimos haciendo acciones y nos tuvimos que mover hacia los futuros”, dice Sebastián Torrealba, quien agrega que el high-frequency trading aún está buscando su madurez.

Mientras tanto, entre los actores tradicionales, son pocos los que se atreven a meter los dedos en esta nueva y desconocida piscina. A veces, a Sebastián Torrealba le ha tocado enfrentrar críticas de amigos del mundo bursátil. “No se entiende lo que es un algoritmo que resuelve en real time un modelo estocástico”, explica. Algunas personas creen que él tiene más información y antes que los demás. “Cuando, en realidad, la información es pública. Todos la reciben a la misma velocidad. Lo que tú haces es consumir esa información y resolver un problema más rápido”, dice Torrealba. Para él, esto no es distinto de tener un economista más inteligente en tu oficina, que es capaz de leer mejor lo que dice la Reserva Federal en su último comunicado.

De todas maneras, lo que el socio de Algometrics más recibe no son críticas, sino preguntas de sus colegas en el sector financiero. “Este tema les apasiona, pero no lo entienden. Yo me he sentado con varios corredores y todos nos dicen oye, cuéntame más de esto, cómo funciona”, explica Torrealba.

En la Bolsa de Santiago aún no es posible realizar HFT. “La estrategia de alta frecuencia requiere un volumen mínimo relevante, y en Chile hay papeles que se transan muy poco”, explica Claudio Larraín, director de Mercado de Capitales de LarraínVial, una de las pocas corredoras chilenas que dicen tener clientes extranjeros que ocupan esta estrategia. Según Larraín, ellos han visto con curiosidad e interés estas técnicas. “Mientras más liquidez exista y mientras más productos haya en el mercado institucional, nosotros lo vemos como algo positivo”, explica.

Las mentes detrás de las fórmulas

En su pieza, ocho computadores funcionaban al mismo tiempo, conectados entre sí. El calor que éstos generaban era, a ratos, demasiado. Pero aun así no era suficiente para lo que Sebastián Torrealba quería hacer. Todavía ni siquiera salía de la universidad y puso una empresa de seguridad informática, que asesoraba a bancos y otros organismos, y un carrier, proyecto que fracasó. Al titularse, trabajó en la Universidad de Princeton con un equipo que buscaba, a través de algoritmos, predecir cómo mutaría el virus de la gripe aviar cada año, para así producir una vacuna. También trabajó para un banco de inversiones, donde en sus tiempos libres empezó a crear sus primeros modelos, que antecederían al trabajo en HFT que hoy realiza. Finalmente, terminaría encontrando su lugar en el CCFEA, un centro de estudios inglés de finanzas computacionales, y en un fondo de inversión en Londres. “Ahí como que lo encontré todo: dije ‘éste es mi camino: la mezcla entre finanzas, computer science y matemáticas’”.

En el caso de Alejandro Cañete, la búsqueda fue más directa. Estudiando Ingeniería en Informática en la Universidad Técnica Federico Santa María se empezó a acercar al tema. Sin ni siquiera egresar creó Ifitec, una empresa de tecnologías para trading, e hizo su tesis en algoritmos aplicables a HFT. En 2008 vino la crisis en Estados Unidos y, buscando abaratar costos, empresas de ese país contrataron a la suya. “Varios clientes eran de alta frecuencia y así encontramos un espacio”, comenta Cañete.

Hoy, en Nueva York, llega a la oficina todos los días a las 6:30 de la mañana, para preparar los datos y ajustar su modelo algorítmico. Su rutina termina a las siete u ocho de la tarde.

Esta forma de trabajo es compartida por Sebastián Torrealba, aunque él comienza algo más tarde, ya que trabaja principalmente con la Bolsa de Chicago y, por diferencia horaria, inicia sus operaciones a las diez. Torrealba se dedica durante todo el día a monitorear las transacciones en tiempo real, pero también tiene a personas haciendo estudios de datos y de papers para preparar nuevos algoritmos y mejorar los ya existentes, y cuenta con otra área que está constantemente haciendo nuevos desarrollos. Buscan, estadísticamente, regularidades de datos que se puedan explotar. “El ciclo, desde que se detecta algo hasta que pasa un algoritmo a producción puede ser de más de seis meses”, dice Torrealba. Luego se prueba sin dinero, se simulan escenarios complicados y, finalmente, se ejecuta pero con niveles de inversión reducidos. “Pueden pasar otros seis meses más hasta que se le ponga capital más potente. Es un trabajo de años”, explica.

Según Torrealba, partir de cero puede implicar inversiones de cuatro millones de dólares. Se necesitan computadores potentes. En el caso de Algometrics, usan un sistema con 450 núcleos, con conectividad de 10 GB por segundo, a los que entran 2 TB de información al día. Pero, más allá del dinero, hay un duro trabajo previo.

“Llegar a construir un modelo de HFT es un proceso tedioso, donde te vas a equivocar y vas a probar 300, 500 cosas, y todas no te van a funcionar”, dice Torrealba.

Pero, para él, todo el trabajo vale la pena, el de los milisegundos y el de los años. Aunque prefiere no referirse a los niveles de rentabilidad -explica que sus algoritmos buscan generar estabilidad en los retornos, más que altas ganancias-, dice que por algo siguen haciendo esto. En doce meses, quiere estar haciendo HFT las 24 horas del día, seis días a la semana, no sólo en Estados Unidos, sino también en las bolsas de Londres y Singapur. Y a diez años, ese futuro eternamente lejano para alguien que divide los segundos en milésimas, lo mira con más optimismo. “En Chile cuesta mucho dar el salto, pasar de ser chico a ser grande”, comenta. “Pero en esta área se puede, y en diez años creo que nos van a ver con oficinas en Alemania, Estados Unidos, Inglaterra, Asia”.