Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Consulte los debates, las estadísticas y los perfiles de los autores de esta publicación en: https://www.researchgate.net/publication/311785224

Efectos de la transparencia: Análisis de los prejuicios sociales sobre el

rendimiento de los operadores en el comercio social

Artículo en Journal of Information Technology - diciembre de 2016

DOI: 10.1057/s41265-016-0028-0

CITACIONE LEA
S
2,968
34

2 autores:

Florian Glaser Marten Risius

Instituto de Tecnología de Universidad de Queensland
Karlsruhe
31 PUBLICACIONES 1.460 CITAS
11 PUBLICACIONES 1.191 CITAS

VER PERFIL VER PERFIL

Algunos de los autores de esta publicación también trabajan en estos proyectos relacionados:

Blockchain - Ofertas iniciales de monedas Ver proyecto

Social Media Analytics Ver proyecto

Marten Risius subió todo el contenido de esta página el 27 de abril de 2020.

El usuario ha solicitado la mejora del archivo descargado.

 Revista de tecnologías de la información (2016)
ª 2016 Asociación para la Confianza en las Tecnologías de la Información Todos los derechos reservados 0268-
3962/16
www.palgrave.com/journals

Artículo de
investigación

Efectos de la transparencia: análisis de los

prejuicios sociales sobre el rendimiento de
los operadores en el comercio social
Florian Glaser1 , Marten Risius2
Universidad Goethe de Fráncfort, Theodor-W.-Adorno-Platz 4, 60323 Fráncfort del Meno, Alemania;
1

Universidad de Mannheim, Mannheim, Alemania

2

Correspondencia:
F Glaser, Universidad Goethe de Fráncfort, Theodor-W.-Adorno-Platz 4, 60323 Fráncfort del Meno,
Alemania. Tel: +49 (0)69 798 34679;
Correo electrónico: fglaser@wiwi.uni-frankfurt.de

Resumen
Las plataformas de negociación social combinan las funcionalidades de negociación
de los servicios clásicos de corretaje en línea con las características de comunicación
e interacción de las redes sociales. Además de seguir los perfiles de otros usuarios,
una de las principales características de las plataformas de negociación social es la
posibilidad de seguir a otros usuarios copiando automáticamente sus operaciones. Al
ser un intermediario financiero de base tecnológica que permite maximizar los
beneficios individuales, las plataformas de negociación social constituyen un ejemplo
contemporáneo de financiarización. Nuestro análisis empírico del comportamiento de
los operadores en una plataforma de negociación social aporta nuevos conocimientos
sobre cuestiones relacionadas con la financiarización, como la influencia de la
transparencia y la interacción en los entornos de inversión delegada. El efecto de
disposición es un sesgo de comportamiento bien estudiado de inversores y
operadores. Los inversores humanos tienden a realizar los beneficios de sus
posiciones ganadoras demasiado pronto y a dejar que las posiciones desfavorables
acumulen pérdidas durante demasiado tiempo. Descubrimos que en las plataformas
de negociación social la sensibilidad de los operadores al efecto de disposición se ve
influida por la atención que reciben de sus seguidores, que invirtieron capital en la
estrategia del operador. Estos nuevos hallazgos proponen un vínculo entre la teoría
del principal-agente y el efecto de disposición inducido por los mecanismos de
transparencia. Ampliamos la bibliografía sobre los canales de interacción entre
comerciantes e inversores en las redes sociales de negociación. Los resultados
obtenidos en un entorno de red social son de gran relevancia para los reguladores
que se centran especialmente en la protección del cliente y la regulación de los
servicios financieros. También proporcionan directrices para los diseñadores de
plataformas, los comerciantes, los inversores y los operadores de plataformas de
negociación social. Journal of Information Technology (2016). doi:10.1057/s41265-016-0028-
0

Palabras clave: comercio social; digitalización de los servicios financieros; financiarización;

efecto de disposición; teoría de la agencia; rendimiento comercial individual

Introducción transformación estructural de las economías, las empresas

F
a financiarización describe "el papel cada vez más
importante de los motivos financieros, los mercados
financieros, los agentes financieros y las instituciones
financieras en el funcionamiento de las economías nacionales
e internacionales" (Epstein, 2005: 3), que da lugar "a una
(incluidas las instituciones financieras), los Estados y los
hogares" (Aalbers, 2015: 3). Se considera la solución
políticamente inadvertida a los problemas económicos actuales
(Buchanan, 2016), como la disminución de la confianza de los
particulares en los inversores institucionales (Lagoarde-Segot,
2016). De este modo, la financiarización se centra en el
beneficio de los actores dentro de
mercados financieros (Aalbers, 2008), donde los beneficios
se generan a través de canales financieros en lugar de medios
productivos (Buchanan, 2016). De forma sintomática, el
comercio especulativo personal en forma de operaciones
diarias o transacciones de divisas ha acaparado cuotas de
mercado sin precedentes en los últimos años (Lagoarde-
Segot, 2016). Se considera que esta evolución está impulsada
principalmente por la tecnología de la información, que
reduce el coste de los activos negociados para los hogares
(Philippon, 2015). Por lo tanto, junto con la digitalización
acelerada de la industria financiera, la financiarización ha
proporcionado un margen de maniobra para el desarrollo del
mercado.
 Efectos de la F Glaser y M Risius
transparencia

innovaciones como la (des)intermediación con apoyo

tecnológico (Currie y Lagoarde-Segot, 2016).
¿Cómo influye en el comportamiento de los operadores la
A este respecto, las redes sociales de negociación en
particular están adquiriendo cada vez más relevancia como interacción en tiempo real con los inversores?
plataformas desintermediadoras que ofrecen un alto grado de En busca de respuestas, analizamos el comportamiento de los
transparencia a los inversores. Las plataformas de operadores en una de las principales plataformas de
negociación social, por un lado, encarnan la financiarización negociación social - www.zulutrade.com - para obtener nuevas
al proporcionar a los particulares medios adicionales para perspectivas y ampliar los conocimientos sobre el
generar beneficios a través de canales puramente financieros comportamiento en entornos de negociación financiera
como la negociación especulativa (Doering et al., 2015). Así, totalmente digitalizados y transparentes.
la plataforma www. zulutrade.com -en adelante Zulutrade,
objeto de nuestro análisis- registra un volumen total de
operaciones de más de 8.600 millones de dólares desde su
creación en 2008 (www.zulutrade.com). Por otro lado, , el
comercio social también ayuda a abordar los problemas
asociados a la financiarización. En concreto, satisfacen la
creciente necesidad de transparencia y confianza, ya sea
debido a los requisitos normativos (por ejemplo, la Directiva
sobre Mercados de Instrumentos Financieros II - MiFID2) o
a la disminución de la confianza en los proveedores de
servicios financieros tradicionales (Sapienza y Zingales,
2012; Alt y Puschmann, 2012; Ba y Pavlou, 2002) y
servicios en línea en general (Jøsang et al., 2007).
Dada la fuerte tendencia actual hacia la desintermediación
de los servicios financieros (p. ej., tecnología Blockchain,
préstamos entre pares), el comercio social es un candidato
para perturbar los servicios de gestión de activos incum-
bibles. Sin embargo, el comercio social es un nuevo servicio
de comercio e inversión en línea, que apenas se ha investigado
hasta ahora (Neumann et al., 2015; Pan et al., 2012) y, por lo
tanto, no se conoce tan bien como otros servicios
comparables de delegación de inversiones tradicionales,
como la gestión de fondos o la gestión de activos. La
investigación sobre las plataformas de negociación social se
ha limitado al análisis de si los operadores pueden obtener
beneficios de las plataformas de negociación social (Pan et
al., 2012; Abbey y Doukas, 2015; Neumann et al., 2015).
Consideramos que el comercio social es relevante para los
investigadores de sistemas de información, porque este tipo
de plataforma de servicios tiene el potencial de abordar
simultáneamente dos aspectos centrales de la financiarización.
Sus características permiten una total transparencia para los
inversores y un control de resolución casi en tiempo real
sobre el capital invertido por el inversor, lo que permite a los
inversores individuales maximizar sus beneficios. Estas
características implican tanto grandes posibilidades (por
ejemplo, asignar el capital a inversores cualificados y con
más experiencia prescindiendo de intermediarios
innecesarios) como riesgos (por ejemplo, pérdida del dinero
invertido debido a estrategias de inversión demasiado
arriesgadas). Sin embargo, la capacidad de aprovechar todo el
potencial de estos mercados electrónicos y servicios
financieros depende del diseño de sus funcionalidades y de
los servicios integrados para los inversores que permitan la
confianza y alivien la interacción y la trans- acción (Ba y
Pavlou, 2002). Hasta donde sabemos, somos los primeros en
investigar la influencia de la transparencia inherente al
diseño en el comportamiento de los operadores.
Con el telón de fondo de estos acontecimientos, centramos
nuestra investigación en la cooperación y los canales de
influencia de la inter-acción en entornos de comercio en
línea, concretamente en el contexto del comercio social. El
objetivo de este trabajo es dar respuesta a la pregunta de
investigación subyacente:
 El resto del documento se estructura de la
Efectos siguiente
de la
respecto a las acciones y decisiones tomadas por los agentes
F Glaser y M Risius
manera. En la sección ''Antecedentes del transparencia
trading social'', (traders). Mientras que en la situación tradicional de
comenzamos con una revisión de las plataformas de trading principal-agente un inversor sólo recibe resúmenes
social en general. A continuación, ofrecemos una visión periódicos del rendimiento de la cartera, cada
general de la negociación diaria y de divisas, que es el tipo de
inversión predominante en las plataformas de negociación
social. En la sección ''Bibliografía relacionada y desarrollo
de hipótesis'' revisamos la bibliografía relacionada,
derivamos hipótesis teóricas y proponemos nuestro modelo
de investigación, que se valida empíricamente en la sección
''Análisis empírico''. La sección ''Discusión'' ofrece una
reflexión crítica sobre nuestro enfoque de investigación.
Concluimos con una visión general de las contribuciones y
limitaciones de este trabajo en la sección ''Conclusión''.

Antecedentes en comercio social

En esta sección se ofrece una breve introducción a la
negociación social para destacar las características y
funcionalidades que definen el novedoso servicio de
intermediación en línea en relación con otras plataformas de
medios sociales y las relaciones tradicionales entre inversor
y intermediario, así como una visión general de la
bibliografía relacionada con la negociación social.

Funcionalidades de las plataformas de negociación social

Las plataformas de negociación social proporcionan la
infraestructura para mostrar perfiles de usuarios (en este
contexto, operadores) a otros usuarios de forma similar a las
redes sociales. La información de perfil mostrada contiene
métricas de rendimiento y riesgo de las actividades de
negociación de los usuarios. Las operaciones de los
usuarios son visibles para todos los demás usuarios por
operación, es decir, cada decisión comercial se hace
pública, lo que introduce una transparencia total.
Los usuarios pueden copiar las operaciones de otros
usuarios con un solo clic. Copiar significa que la misma
operación se ejecuta en la cuenta de corretaje en línea del
usuario que copia. Esta característica distintiva se conoce
como copy-trading. Desde un punto de vista tecnológico,
esto se consigue vinculando las cuentas. Las cuentas de
negociación de los usuarios en la plataforma están
directamente vinculadas a sus cuentas de corretaje en línea.
El operador suele ser una empresa de corretaje en línea. Sin
embargo, el operador y el corredor también pueden ser
instituciones diferentes. La figura 1 muestra una
visualización generalizada del diseño técnico de una
plataforma de negociación social.
La dependencia resultante entre los operadores y sus
seguidores es comparable a la de la gestión tradicional de
carteras delegadas. En la gestión tradicional de carteras, los
inversores delegan su capital en gestores de carteras para
que lo inviertan en su nombre. En consecuencia, la relación
conlleva un riesgo moral similar como resultado de la
conexión principal-agente entre el operador y el seguidor
(Bhattacharya y Pfleiderer, 1985; Stoughton, 1993). Es
decir, el gestor de cartera (agente) podría tener un incentivo
para maximizar su propio beneficio en lugar del beneficio
del inversor. Si sus incentivos no están estrechamente
vinculados al rendimiento de sus decisiones de inversión
(por ejemplo, recibe una parte anual de la cantidad total
invertida, independientemente del rendimiento), el
incentivo para maximizar el rendimiento para los inversores
podría no ser lo suficientemente fuerte. Esto puede
mitigarse mediante incentivos vinculados al rendimiento,
que permiten supervisar el comportamiento de los agentes y
aumentar las posibilidades de control (Farnsworth y Taylor,
2006). Una diferencia fundamental respecto a la relación
tradicional principal-agente es el nivel de transparencia
 Efectos de la F Glaser y M Risius
transparencia

Plataforma de
Operado comercio social
r Cuenta de Red social
comerciante

Siga
Perfil de
rendimiento/riesgo
Foro
Cartera Oficios

Chat
Corred

copia
Cuenta

copia
financieros

Cuentas
Mercados

de Mensajes
or

seguidor
es Oficios
Comentario
Carteras s

Perfil de
rendimiento/riesgo

Figura 1 Diseño genérico de una plataforma de comercio social.

La apertura de una posición y cada decisión de cerrarla operación de 100.000 dólares. El beneficio en el comercio de
pueden ser seguidas en tiempo real por cada seguidor divisas se mide a menudo en pips, donde un pip representa el
(principal) en una plataforma de negociación social. Gracias cambio más pequeño del precio de un par de divisas. Los
a la vinculación directa de las cuentas, los inversores pueden precios de
retirar inmediatamente su capital de un operador casi sin
costes. En la gestión tradicional de activos, los inversores se
enfrentan a plazos mucho más largos para la retirada de
fondos y a una transparencia comparativamente menor,
especialmente en lo que respecta a los costes.
La mayoría de las plataformas de negociación social se
centran principalmente en la negociación de divisas y
facilitan la negociación diaria gracias a la configuración de
sus herramientas. Por lo tanto, coinciden con el aumento
general de las operaciones especulativas relacionado con la
financiarización, que ha dado lugar a un volumen de
transacciones diarias de divisas de 9 billones de dólares
(Lagoarde-Segot, 2016). Este enfoque tiene razones
históricas, ya que las comunidades de comercio en línea
basadas en foros (Antweiler y Frank, 2004) tienen una larga
tradición en el comercio de divisas. La digitalización ha
llevado a estas comunidades al siguiente nivel de comercio
automatizado y copia de estrategias en forma de plataformas
de comercio social. Además, la negociación de divisas está
menos regulada y se sabe que los mercados de las principales
divisas son los más líquidos. Por tanto, es muy poco probable
que los efectos adversos sobre los precios, como los costes de
impacto en el mercado de las operaciones copiadas, influyan
negativamente en el rendimiento de los seguidores (por
ejemplo, en un mercado sin liquidez, la operación de un
seguidor podría ejecutarse a un precio peor debido a la falta
de oferta del activo negociado y, por tanto, a precios de
cotización más altos).

Day trading y FX trading

La negociación diaria y la negociación de divisas siguen
convenciones y normas diferentes en comparación con la
negociación de acciones o fondos. Esta sección ofrece una
introducción general a algunas peculiaridades con el fin de
mejorar la comprensión del entorno de negociación y las
variables relevantes.
Un concepto fundamental en las operaciones con divisas
es la noción de ''lote''. Un lote es la unidad para el tamaño de
una operación y un lote suele referirse a un tamaño de
Los pares de divisas suelen cotizar conEfectos
una precisión
de la de F Glaser y M Risius
cuatro dígitos, por lo que el cambio más transparencia
pequeño en el
precio es un cambio en el cuarto dígito por uno, es decir, un
pip (Garner, 2012).
Para aumentar el rendimiento de la inversión ante estas
pequeñas variaciones de los precios, los inversores pueden
apalancar su exposición, a menudo hasta un apalancamiento
de 1:100 o incluso más. Esto significa que los inversores
sólo invierten una centésima parte de la cantidad real
negociada, pero participan plenamente en el rendimiento
(positivo o negativo) de la cantidad real negociada. Los
seguidores en la plataforma pueden decidir sobre el
apalancamiento que se aplica cuando se copia una
operación. Esta decisión puede establecerse en un valor por
defecto para cada operación copiada o por operación. De
ello se deduce que considerar el nivel de rentabilidad de una
operación no es un indicador válido de la rentabilidad real
de los seguidores de un operador. Sólo podemos saber con
certeza si la operación tuvo una rentabilidad positiva o
negativa. La rentabilidad real depende de la decisión
individual de apalancamiento de cada seguidor para su
copia de la operación (Garner, 2012).
Los operadores de divisas suelen ser operadores diarios,
es decir, abren y cierran posiciones en un mismo día
(Bjønnes et al., 2005; Bjønnes y Rime, 2005; Breedon y
Ranaldo, 2013).

Sistemas de remuneración e incentivos

Según Neumann et al. (2015), existen tres sistemas de
remuneración genéricos en el comercio social para los
intermediarios en general: Basado en seguidores, basado en
beneficios y basado en volumen. El modelo basado en
seguidores compensa a los operadores en función del
número real de seguidores. Cuantos más seguidores tenga
un operador, mayor será la remuneración,
independientemente del rendimiento del operador o de sus
seguidores. La remuneración basada en los beneficios
significa que los operadores participan en los beneficios de
las operaciones que se ejecutan en las cuentas de sus
seguidores. En los modelos basados en el volumen, los
operadores comparten los beneficios de las primas
impuestas a los precios de ejecución de las operaciones de
sus seguidores con el corredor que opera la plataforma. Los
precios a los que se ejecutan las operaciones de los seguidores
son ligeramente superiores para compensar al corredor y al
operador. Por tanto, cuantas más operaciones se ejecuten en
cuentas seguidoras, mayores serán los ingresos del operador.
Tenga en cuenta que no es necesario que las operaciones
sean ganadoras (es decir, que tengan un rendimiento
positivo cuando se cierren) para que el operador obtenga
ingresos.
 Efectos de la F Glaser y M Risius
transparencia

Los incentivos en Zulutrade siguen un modelo basado en negociación individual. Pan et al. (2012) hallaron mayores
el volumen. Un operador recibe una cantidad absoluta en rendimientos en las operaciones copiadas de operadores
pips por cada lote que ejecutan sus seguidores. Además, expertos dependientes de la plataforma en comparación con
ganan el rendimiento de sus propias operaciones dado el caso las operaciones autoiniciadas individualmente. Sin embargo,
de que ejecuten operaciones con su propio capital. también hallaron pruebas preliminares de que la evaluación de
Es crucial para nuestra última argumentación que en la pericia no depende únicamente de medidas objetivas de
Zulutrade los operadores no necesitan necesariamente operar rendimiento, sino también de indicios sociales (por ejemplo, el
con dinero real. Pueden simplemente proporcionar número de seguidores). En un análisis más específico,
operaciones sobre papel (operaciones que se ejecutan sin
colocar dinero) en sus cuentas y beneficiarse de los
seguidores que ejecutan automáticamente estas operaciones
con su capital. El hecho de que los operadores se limiten a
realizar operaciones sobre papel o inviertan dinero real tiene
fuertes implicaciones para las hipótesis del riesgo moral y los
problemas de agencia, que se analizarán más adelante en la
sección "Sesgos subjetivos en el rendimiento de las
operaciones individuales".

Aspectos económicos y teóricos del sector del trading social Las

plataformas de trading social se desarrollaron tras la difusión
general de las herramientas de los medios sociales y, por
tanto, constituyen un fenómeno comparativamente joven.
Aunque ha surgido un gran número de proveedores de
plataformas, los dos ejemplos más destacados y con mayor
número de usuarios son eToro (4,5 millones de usuarios) y
Zulutrade (1 millón de usuarios) (Robinson, 2014). Las
plataformas difieren en cuanto a los instrumentos negociados
(los más mencionados son divisas, índices, materias primas,
acciones y ETF). Durante la fase inicial de difusión, estas
plataformas generaron unos ingresos anuales de 40 millones
de dólares a través de la negociación de divisas, lo que
representa el 0,5 % del mercado mundial (Falkner y
Corsthwaite, 2013). Aunque suele ser difícil obtener cifras
publicadas de forma independiente, Wikifolio informa de un
volumen de negociación anual de 300 millones de dólares en
2014 (Oehler et al., 2016) y Zulutrade afirma un volumen de
transacciones de más de 917 000 millones de dólares desde
su creación en 2007 (Zulutrade, 2016).
Debido a su creciente adopción y a sus importantes
perspectivas económicas, el comercio social ya ha sido
objeto de varios estudios. Las primeras investigaciones
abordaron las preocupaciones relativas al rendimiento y la
fiabilidad del comercio social. La comparación de los
rendimientos de los certificados de negociación social con
los respectivos índices de referencia del mercado demuestra
un rendimiento comparable de los enfoques de inversión
tradicionales y novedosos, con rendimientos a corto plazo
especialmente elevados para estos últimos (Doering et al.,
2015; Oehler et al., 2016). Además, se ha observado que el
análisis de las valoraciones de valores publicadas por los
usuarios en una plataforma de negociación social
proporciona un poder explicativo significativo de los
rendimientos bursátiles futuros (Chen et al., 2014; Pelster y
Breitmayer, 2016). En cuanto a los comportamientos de
negociación habituales, fenómenos clásicos como la
''aversión a las pérdidas'' se reprodujeron con éxito mediante
análisis a gran escala de las comunidades financieras en línea
(Liu et al., 2014). Estos resultados documentan la relevancia
y la transferibilidad de los hallazgos sobre las plataformas de
negociación social a otros entornos de negociación. Debido a
la oportunidad única de acceder a información relacional en
los sitios de negociación social, se ha investigado la
influencia de los factores sociales en el comportamiento de
En consecuencia, Wohlgemuth et al. (2016) Efectosdescubrieron
de la
rendimiento winratio reacciona inmediatamente a cualquier
F Glaser y M Risius
que la fiabilidad de los expertos depende transparencia
de las medidas cambio en el comportamiento de los responsables de la toma
objetivas de rendimiento (es decir, las operaciones de decisiones, pero sigue reflejando la calidad de las
rentables, los rendimientos, las pérdidas máximas y el nivel decisiones de los operadores (número de operaciones
de riesgo), así como de las señales sociales (es decir, las fotos positivas). Los niveles de rentabilidad no captan esta
de perfil, la visualización del nombre real y la frecuencia de dimensión de decisión conductual, ya que apenas pueden
interacción). Para mejorar la selección de expertos, los verse influidos por los operadores. Esto es esencial en este
investigadores propusieron un sistema algorítmico que caso, ya que investigamos exactamente
ayuda a identificar y visualizar a los operadores expertos en
función de su rendimiento, riesgo e historial de consistencia
(Lee y Ma, 2015). Además, se ha descubierto que las
señales sociales habilitadas para plataformas a nivel
individual (es decir, información detallada sobre las
decisiones de los compañeros) y de red (es decir, decisiones
agregadas de la multitud) mejoran la gestión del riesgo de
inversores que, de otro modo, tendrían aversión al riesgo
(Zhao et al., 2015) al reducir la infradiversificación
(Baghestanian et al., 2015). Este efecto, sin embargo,
depende en parte de la forma en que se enmarca la
información relacionada con los pares. Mostrar de forma
destacada al operador que más gana puede aumentar la
afinidad al riesgo de los demás usuarios (Baghestanian et
al., 2015). Esto es particularmente relevante, ya que
especialmente los comerciantes con un buen rendimiento en
el pasado presentan públicamente sus estrategias (Amman y
Schaub, 2016), lo que podría mover a la gente a subestimar
los riesgos. Sin embargo, es interesante señalar que no es la
información, sino más bien el sentimiento de la
comunicación del comerciante, lo que impulsa el
comportamiento inversor de los seguidores (Amman y
Schaub, 2016).Así, en general, puede verse que las
plataformas de comercio social ofrecen una oportunidad
única para que los investigadores investiguen el impacto de
las características sociales en el comportamiento comercial,
que desarrollaremos en la sección siguiente.

Bibliografía relacionada y elaboración de hipótesis

Medición de los resultados comerciales individuales

El objetivo de este artículo es identificar las influencias en
la toma de decisiones de los operadores en entornos de
negociación totalmente transparentes. En primer lugar, nos
planteamos cómo medir el rendimiento de la negociación y
cómo identificar las influencias conocidas y los sesgos
relacionados con la agencia que afectan a los operadores en
general y que también podrían tener un impacto en los
operadores de las plataformas de negociación social.
Una medida habitual de la habilidad o el éxito de
cualquier operador es la proporción de operaciones con
rendimientos positivos (en adelante, winratio) (Dewally et
al., 2009). Teniendo en cuenta que el day trading y
especialmente el FX trading permiten altos niveles de
apalancamiento, los seguidores pueden obtener un
rendimiento mucho mayor en una operación si copian la
operación y aplican un apalancamiento individual alto. En
consecuencia, en una entrevista realizada a un experto, el
servicio de atención al cliente de Zulutrade mencionó el
winratio como una medida clave en la que deben fijarse los
clientes a la hora de evaluar la calidad de los operadores.
Por lo tanto, Zulutrade recomienda a los nuevos usuarios de
la plataforma -independientemente de su experiencia en los
mercados financieros- que seleccionen a los operadores
principalmente por el winratio general, entre otras variables
como la antigüedad de la cuenta.
Además, el winratio depende únicamente de la decisión
de los operadores de cerrar cualquier operación abierta que
proporcione una rentabilidad positiva, independientemente
del nivel de rentabilidad. Dicho de otro modo, la medida de
 Efectos de la
transparencia
estos cambios inmediatos en el comportamiento y la toma de
decisiones de los comerciantes. El rendimiento y la toma de
decisiones de cada operador no sólo se basan en los niveles
de destreza y habilidad , sino que también se ven afectados
por determinadas características sociales y de
comportamiento, como explicaremos a continuación.
Sesgos subjetivos en los resultados comerciales individuales
Hace tiempo que la hipótesis del mercado eficiente propone
que los precios de las acciones reflejan objetivamente toda la
información relacionada en un momento dado (Fama, 1970,
1998). La nueva información es procesada instantáneamente
por los mercados, lo que establece un equilibrio de precios e
impide la especificación errónea de las acciones (Lo, 2004).
En este sentido, los precios se justifican objetivamente y los
rendimientos son independientes de las características
subjetivas del operador. Las críticas a esta perspectiva se han
visto alimentadas por acontecimientos como las crisis
financieras debidas a estimaciones sobrevaloradas del
mercado (Shiller, 2015) y los resultados empíricos que
muestran la no conformidad de los movimientos del precio
de las acciones con los fundamentos de la empresa (Cornell,
2013). Esto ha dado lugar a la hipótesis de las finanzas
conductuales de que el comportamiento humano irracional
puede afectar a las reacciones del mercado bursátil. Uno de
los más destacados es Keynes (2013), quien sostiene que los
efectos subjetivos, como el sentimiento o las valoraciones
convencionales, afectan a las expectativas humanas a largo
plazo y a las decisiones de inversión más allá del juicio
racional basado en hechos. El establecimiento de la
financiarización en la investigación financiera académica se
corresponde hasta cierto punto con este desarrollo. Las
finanzas académicas se basaban en el "lenguaje
representativo", que asume una realidad financiera
objetivamente identificable -como la hipótesis del mercado
eficiente- representada por un equivalente empírico
(Lagoarde-Segot, 2016). Sin embargo, las finanzas
conductuales consideran que una visión objetivista del
mundo está algo desfasada (Orlean, 2012). En consecuencia,
los investigadores de las finanzas siguen el "lenguaje
performativo", que permite que factores externos influyan en
múltiples realidades de los agentes económicos (Lagoarde-
Segot, 2016). En consecuencia, los investigadores reclaman
enfoques multidisciplinares para abordar plenamente la
financiarización y las finanzas conductuales (Aalbers, 2015;
Orlean, 2012). Por lo tanto, nos remitimos a los hallazgos de
las finanzas conductuales sobre los efectos subjetivos para
evaluar el rendimiento comercial individual. Se ha
descubierto que las plataformas de negociación social son un
entorno especialmente viable para estudiar los efectos
subjetivos en el comportamiento de negociación, debido a
sus características clave en cuanto a estructuras de redes
sociales transparentes e intercambios comunicativos
inmediatos (por ejemplo, Chen et al., 2014; Liu et al., 2014;
Wohlgemuth et al., 2016). En consonancia con
Disposición
(Signo de
preferencia)
Nivel de
rendimiento
realizado
Duración del
comercio
F Glaser y M Risius
la investigación sobre negociación social antes mencionada,
consideramos especialmente relevantes los errores de juicio
humanos debidos a la atención de los demás (es decir, los
sesgos conductuales y relacionales) (Shiller, 2005).
Sesgos y pautas de comportamiento de los operadores diarios
Un operador puede cerrar operaciones prematuramente para
garantizar la obtención de una rentabilidad positiva. Si una
posición abierta arrojara un rendimiento negativo, los
operadores pueden decidir esperar si la posición arroja un
rendimiento positivo más adelante. En las finanzas
conductuales, estas dos pautas de comportamiento se
conocen como ''efecto de disposición''. Afirma que es
probable que los inversores cierren una operación ganadora
demasiado pronto y eviten cerrar una operación con pérdidas
durante demasiado tiempo (Shefrin y Statman, 1985). Es uno
de los hechos estilizados más destacados de las finanzas
conductuales y se ha validado empíricamente a lo largo del
tiempo, en diferentes clases de activos y países, y se sabe que
afecta por igual a inversores profesionales y novatos (Weber
y Camerer, 1998). A veces también se denomina "efecto de
preferencia de signo" (Ben-David e Hirshleifer, 2012). La
figura 2 muestra los distintos escenarios en relación con el
efecto de disposición y el momento del cierre de una
operación que marca la diferencia (para una visión más
detallada de la relevancia y la dificultad del momento
específicamente para la negociación de divisas,
recomendamos Rosov y Foster (2014)). En el contexto de la
negociación social, se ha descubierto que el efecto de
disposición se reduce mediante la negociación espejo de
estrategias expertas (Liu et al., 2014). Sin embargo, dado que
los enfoques de mirror trading puro solo representan el dos
por ciento de las operaciones iniciadas a través de las
plataformas (Pan et al., 2012), puede considerarse que los
efectos mitigadores respectivos son más bien bajos.
Teniendo en cuenta el debate anterior sobre los impulsores
del comportamiento, nuestra hipótesis para las plataformas de
negociación social es la siguiente:
H1 El momento en que se realizan las operaciones afecta
significativamente al rendimiento del operador.
H2 Dejar que las posiciones perdedoras acumulen pérdidas
y cerrar prematuramente las posiciones ganadoras sesga el
rendimiento del operador.
Aparte de los impulsores conductuales del rendimiento de
los operadores, se ha observado que el enfoque/diversidad de
la cartera del intermediario influye en el comportamiento
inversor. Por ejemplo, Chen y Lai (2015) compararon estilos
de inversión concentrados (es decir, inversores centrados en
solo unos pocos activos diferentes) con otros menos
concentrados, es decir, excesivamente confiados (es decir,
inversores que se sienten capaces de evaluar muchos activos
diferentes simultáneamente y con
Disposición
Punto de cierre
(Mantener las pérdidas)
óptimo
Duración del Duración del
comercio comercio
 Devolu

Devolu
Devolu

ción

ción
ción
Efectos de la F Glaser y M Risius
transparencia

Contribución equivalente al winratio (ambos positivos) pero diferentes niveles de rentabilidad realizada

Figura 2 Escenarios relacionados con el efecto de cierre de una operación.

 Efectos de la F Glaser y M Risius
transparencia

factor decisivo para la calidad de la relación principal-agente

la misma calidad). Constatan que los gestores de fondos es el riesgo moral. La similitud conceptual de la gestión de
obtienen mejores resultados si se concentran en pocos activos con los entornos de negociación social (los seguidores
valores. Además, Hiraki et al. (2015) muestran que los invierten su capital en las estrategias de los operadores)
fondos concentrados en un sector superan a sus homólogos introduce una relación principal-agente similar a la de los
más diversificados. Específicamente para la negociación de activos clásicos.
divisas, Jacobs y Weber (2015) encuentran que la distracción
(inducida por el seguimiento de diferentes activos) de los
operadores tiene una influencia negativa en su rendimiento.
Por lo tanto, nuestra hipótesis es la siguiente
H3 Centrarse en instrumentos concretos mejora el
rendimiento de los operadores en comparación con la
inversión diversificada.
Por último, la investigación en finanzas conductuales ha
estudiado el papel del nivel de actividad de negociación en
los resultados. El prometedor trabajo de Barber y Odean
(2002) muestra que los inversores minoristas individuales en
línea tienden a obtener peores resultados cuando aumentan su
frecuencia de negociación. Sin embargo, Abbey y Doukas
(2015) observan que, en el caso de los operadores de divisas
individuales, un mayor volumen de negocio se asocia a un
mejor rendimiento. Esto coincide con las conclusiones de
Dewally et al. (2009) para los operadores no domésticos.
Una revisión exhaustiva de los perfiles de los operadores en
Zulutrade reveló que los operadores suelen ser operadores de
divisas experimentados. O bien tienen una formación
profesional en finanzas y comercio, o bien documentan una
fuerte dedicación al comercio como trabajo a tiempo parcial
o fuente adicional de ingresos personales. Por lo tanto,
suponemos que la muestra se compone principalmente de
inversores no domésticos y formulamos una hipótesis:
H4 Una mayor experiencia comercial afecta positivamente
al rendimiento del comerciante.

Riesgo moral en los sistemas de inversión delegada

En los entornos de negociación social, los operadores y los
inversores están vinculados en una configuración clásica de
agente-principal (Holmstrom y Milgrom, 1991). Esta
configuración es comparable a la gestión delegada de
carteras (Bhattacharya y Pfleiderer, 1985; Fernandes et al.,
2010). En general, la teoría de la agencia explica las fuerzas
de las relaciones en entornos transaccionales en los que
cualquiera de las partes sigue intereses personales y
prevalece la incertidumbre debido a la asimetría de la
información, es decir, a una capacidad de supervisión
imperfecta (Pavlou et al., 2007). El agente realiza acciones
en nombre del principal. El principal no puede supervisar
perfectamente el comportamiento del agente, sino que tiene
que confiar en los incentivos y motivos que guían la decisión
del agente en nombre del inversor. Por ejemplo, un inversor
ha invertido una parte de su capital personal en un fondo de
un gestor profesional. El principal no puede controlar
totalmente los motivos e incentivos que guían al inversor
profesional, sino que tiene que confiar en el incentivo del
gestor del fondo, que es recompensado en función de los
resultados. En el caso de la gestión de carteras, estas
relaciones se estudian ampliamente en distintas fuentes
bibliográficas. Por ejemplo, Evans (2008) señala que la
reducción de los costes de agencia y la disminución de la
rotación se asocian a mayores inversiones personales de los
gestores de fondos en sus propios fondos. Ross (2004) ofrece
una revisión general de las relaciones entre remuneración,
incentivos y riesgo basada en un amplio análisis teórico. El
 Efectos de la probable
F que
el comerciante se comporte en interés del
Glaser y M Risius
gestión. Por lo tanto, se enfrentan transparencia
a un problema seguidor. Estas consideraciones nos llevan a la siguiente
comparable de riesgo moral debido a los sistemas de hipótesis:
incentivos descritos anteriormente para remunerar a los
operadores (Neumann et al., 2015). El riesgo moral al que H5 Los cambios en la cantidad de capital invertido mejoran
se enfrentan puede describirse del siguiente modo: para el rendimiento del operador.
maximizar su propio beneficio, podrían simplemente Los inversores pueden utilizar la escala de valoración del
aumentar su actividad de negociación, ya que se les perfil de un operador para (des)aprobar decisiones recientes.
recompensa en función del tamaño de los lotes que se Los cambios en la calificación media de un operador indican
ejecutan en forma de operaciones copiadas en las cuentas la actividad general de los inversores en el perfil del
de intermediación de sus seguidores. Independientemente operador. Por tanto, un cambio en la calificación indica un
del resultado de una operación, el operador se beneficiaría aumento de la actividad de supervisión de los inversores. En
de ella. Sin embargo, los operadores pueden ganar más si consecuencia, nuestra hipótesis es la siguiente:
atraen más capital mejorando el historial, es decir, el
rendimiento general. Por ejemplo, se podría intentar
mejorar el winratio en términos del número de operaciones
que producen un rendimiento positivo. También podría
enfrentarse a una presión moral para aumentar el
rendimiento cuando los seguidores invierten más dinero y
confían en las habilidades del comerciante.
Si los resultados de la negociación son malos, los
inversores pueden retirar inmediatamente sus fondos y los
ingresos del operador disminuirán en consecuencia. En este
sentido, los mecanismos de una plataforma de negociación
social son especialmente singulares y ofrecen soluciones
para este tipo de problemas relacionados con el riesgo
moral:
En primer lugar, las capacidades de supervisión de los
inversores son fundamentalmente diferentes de las de la
gestión de activos. Cada inversor puede supervisar el
comportamiento del operador en cualquier momento, por
operación y con todo detalle. Según la teoría del principal-
agente, la capacidad del principal para supervisar al agente
está negativamente relacionada con el riesgo moral del
agente.
En segundo lugar, con las cuentas de corretaje
vinculadas, el tiempo de reacción de los inversores se
reduce a un tiempo casi real. Así, cada inversor puede
imponer inmediatamente sanciones por comportamientos
no deseados. La retirada del capital invertido es la más
radical. Dejar un comentario en el perfil público del
operador o proporcionar una calificación visible para los
demás son menos intensos. Se ha comprobado que estos
mecanismos de retroalimentación social (Ba y Pavlou,
2002; Pavlou et al., 2007) mejoran los contenidos
generados por los usuarios en las comunidades en línea
(Siering y Muntermann, 2013). En tercer lugar, los
incentivos de la compensación basada en el volumen
deberían exponer intuitivamente a los comerciantes a la
tentación de maximizar peligrosamente su resultado
monetario. En consecuencia, los comerciantes aumentarían
la cantidad de pedidos con el fin de aumentar su
compensación por lote negociado en copia en una cuenta de
seguidor.
En cuarto lugar, los operadores que no invierten con su
propio dinero simplemente tienen un perfil de incentivos
que es similar a los perfiles de pago de la compra de una
opción sobre acciones. El operador puede obtener
rendimientos positivos sin más riesgos monetarios que la
prima (en este caso, el tiempo invertido en operar en la
plataforma).
En resumen, un operador en Zulutrade tiene fuertes
incentivos (remuneración basada en el volumen) para
comportarse de forma moralmente peligrosa. Sin embargo,
el comerciante es consciente de que se le vigila en tiempo
real y con todo detalle, mientras que el tiempo de reacción
de los seguidores también puede ser casi en tiempo real. Por
lo tanto, la teoría del principal-agente sugiere que es más
 Efectos de la F Glaser y M Risius
transparencia

Comportamient
o / Estilo
Tiempo
(duración)

H1
Efecto de
disposición
(distancia más alta) H2

Enfoque
(número de parejas) H3
Controla

Actividad H4
Rendimiento Experiencia
(número de
operaciones) (Días
Activos)

H5
Relación social

Riesgo moral H6
(capital invertido)

Feedback social
(Valoración de los
usuarios )

Figura 3 Resumen de las relaciones según nuestro modelo de investigación. Las variables utilizadas para captar el constructo propuesto se mencionan entre
paréntesis para cada constructo.

H6 Los cambios en la retroalimentación social conducen a datos de perfiles correspondientes. En total se obtuvieron 3,79
un mejor rendimiento comercial. millones de operaciones y unos 33.000 perfiles diarios. Cabe
señalar que
En la Figura 3 se muestra una visión general del modelo de
investigación derivado anteriormente. Adjuntamos a los
conceptos teóricos las variables que operacionalizamos para
poner a prueba nuestras hipótesis. En la sección siguiente
explicamos el conjunto de datos y la metodología que
aplicamos para validar empíricamente las hipótesis.
nuestro modelo propuesto.

Análisis empírico

Conjunto de datos
Mediante un método avanzado de raspado de datos, pudimos
ampliar el enfoque de estudios anteriores sobre negociación
social o decisión de delegación de inversiones más allá del
enfoque de negociación única, recopilando simultáneamente
un conjunto de datos que incluye tanto perfiles de
negociación como información sobre operaciones.
Los datos relativos a los operadores en Zulutrade están
disponibles públicamente y se recopilaron de forma
automatizada y estructurada: Recopilamos todos los perfiles
de los operadores diariamente entre las 22:00 y las 12:00
horas UTC + 2. El conjunto de datos de perfiles en bruto
comprende instantáneas de perfiles de unos 33.000
operadores para cada día entre 06/2013 y 01/2014.
Posteriormente, se obtuvieron las operaciones históricas de
cada perfil de operador, lo que dio como resultado casi 9
millones de operaciones entre 2007 y 2014.
Para reducir el ruido de los datos y garantizar una alta
calidad de los mismos, la muestra original de perfiles y
operaciones se preprocesó del siguiente modo: Inicialmente,
los datos de operaciones se redujeron a las observaciones
dentro de la ventana temporal para la que obtuvimos los
 Efectos de la F Glaser y M Risius
que este vasto número de cuentas diarias contiene una
transparencia
elevada proporción de cuentas inactivas o de prueba, que
dimos de baja en consecuencia. La plataforma está abierta
para que todo el mundo se registre y comience a operar, es
decir, a proporcionar señales. Por un lado, esta política de
acceso sin restricciones conduce a una amplia diversidad de
operadores, es decir, operadores profesionales y menos
experimentados. Por otro lado, muchos usuarios se registran
sólo con fines de prueba y se dan de baja al cabo de poco
tiempo.
Basándonos en una regla empírica, para excluir las
cuentas de prueba sólo consideramos a los operadores que
han estado operando más de dos días dentro de la ventana
de observación y para los que la distancia entre su primera y
su última operación es superior a cuatro semanas. De este
modo, se reducen los datos ruidosos del conjunto de perfiles
que, en realidad, podrían tener uno o más seguidores, pero
que sólo permanecen activos durante las cuatro semanas de
la fase de prueba de una cuenta de demostración. Una vez
eliminados todos los operadores que no han estado activos
durante al menos cuatro semanas, la muestra final contiene
201 operadores de más de 10.000 personas.
216 días. Por último, cabe señalar que, dado que trabajamos
con variables retardadas, el subconjunto de operadores para
los que no observamos al menos tres días de negociación
consecutivos se elimina durante el procedimiento de
estimación. Por lo tanto, los resultados presentados se
estiman con n = 178 operadores para T = 107 días distintos.
La muestra de datos comerciales se agrega diariamente.
Las operaciones abiertas y cerradas se contabilizan por
separado cada día. Las cifras que contienen el número de
operaciones abiertas y cerradas en el mismo día se marcan
con el sufijo ''Total''. Para aumentar la validez interna,
descartamos las clases de activos que no son divisas y que
son numéricamente insignificantes (por ejemplo, el oro, el
petróleo o el índice S&P 500). Por último, dado que nos
centramos en el comportamiento de negociación con sesgo
social, sólo tenemos en cuenta a los operadores de papel,
que no se ven afectados por otros factores.
 Efectos de la F Glaser y M Risius
transparencia

estrategias de rentabilidad financiera. En total, la muestra de
datos incluía 428 153 operaciones individuales de los 178
operadores mencionados en durante un periodo de 107 días.
Operacionalización de variables
Para aproximarnos a la retroalimentación social, incluimos la
''Valoración'' como la valoración media de todos los
seguidores que han invertido capital en la estrategia de un
operador, que oscila entre 0 y 5.
El riesgo moral se mide a través del "capital", que
representa la cantidad total de dólares estadounidenses
invertidos en la estrategia de los operadores y se observa
diariamente. Como suele ocurrir en las redes sin escala, el
capital tiene una distribución de ley de potencia sesgada, porque
un pequeño número de comerciantes acapara la mayor parte del
capital total invertido (Newman y Park, 2003). No obstante,
al 50% de los comerciantes se les confían varios miles de
$USD. Para evitar los posibles efectos sesgados de la
distribución sesgada en un modelo de regresión lineal,
consideramos diferencias de primer orden (retardadas) para
nuestro análisis posterior (Wooldridge, 2010).
El rendimiento de un operador se mide por el ''winratio'',
como se explica en en capítulos anteriores. El ''winratio'' se
define diariamente para cada operador. Representa la
proporción de operaciones con un rendimiento positivo que
un operador cerró en un día concreto. La cuota se obtuvo a
partir del conjunto de datos sin procesar, en el que las
operaciones ganadoras se marcan con una variable ficticia
que se fija en 1 si la operación arroja un rendimiento positivo
al cierre y se fija en 0 en caso de pérdida. Así pues,
El winratio puede tomar valores entre 0 (es decir, sólo
operaciones con rendimientos negativos o nulos) y 1 (es
decir, sólo operaciones con rendimientos positivos).
de cada operador en un día determinado (Cuadro 1).
Para medir el efecto de disposición, consideramos que la
"distancia más alta" es el número de días transcurridos entre
la rentabilidad máxima que el operador podría haber
obtenido con esa operación concreta y el momento en que la
cerró. Esta información es comunicada retrospectivamente
por el operador de la plataforma para cada operación. Así
pues, esta variable
capta los efectos de mantener abiertas las operaciones menos
favorables con la esperanza de obtener mayores rendimientos
en el futuro, lo que está en consonancia con la conocida
aversión a realizar una pérdida. Una ''DistanciaMáxima'' en
torno a 0 significa cerrar la operación en torno al óptimo
(actual), lo que también puede ser prematuro, es decir, cerrar
una operación mientras su rentabilidad esté aumentando.
Con ''Duración'' captamos la sincronización de un
operador, representada por el tiempo transcurrido entre la
hora de apertura de una operación y su hora de cierre,
expresado en días. Calculamos la duración media de todas las
operaciones cerradas diariamente por cada operador. Por
último, para incluir los patrones de comportamiento en
términos de enfoque y actividad de un operador,
consideramos ''PairsTotal'' (recuento de pares de divisas
únicos negociados) y ''TradesTotal'' (el número total de
operaciones gestionadas, es decir, abiertas y cerradas).
Ambos se calculan para cada operador y cada día de la
muestra.
Las correlaciones por pares (Tabla 2) entre estas medidas
son generalmente bajas, excepto para la duración media de
las operaciones y la distancia al precio más alto, que están
intrínsecamente relacionadas. Por lo demás, las correlaciones
cruzadas están dentro de límites aceptables.
Metodología
Para obtener respuestas a nuestra pregunta de investigación,
realizamos una regresión de panel de efectos fijos. El modelo
final está representado por la ecuación (1).
Winratio it = ai + +
it it-1
b1DCapital b2DCapital
+ b3DCapitalit—2 + b4DRatingit + b5DRatingit—1
+ b6DistanciaMáximait + b7Duraciónit
+ b8PairsTotalit + b9TradesTotalit
+ b10TradesTotalit—1 + b11Experienceit + eti
(1)

Cuadro 1 Estadísticas descriptivas de las variables operacionalizadas

Variable N Medi Mediana Mínimo Máximo SD

a
Winratio 13,852 0.81 1.00 0.00 1.00 0.32
Capital 13,852 237,558.45 4400.92 0.00 12,374,490.00 902,516.37
Clasificación 13,852 2.35 3.00 0.00 5.00 1.80
DistanciaMás alto 13,852 0.76 0.00 0.00 30.00 2.48
Duración 13,852 1.92 0.58 0.00 91.03 3.96
ParesTotal 13,852 3.61 3.00 2.00 29.00 2.43
OperacionesTotal 13,852 16.04 13.00 2.00 90.00 12.22
Experiencia 13,852 596.63 552.31 5.19 1858.06 388.73

Cuadro 2 Correlaciones por pares de las variables

Variable 1 2 3 4 5 6 7 8
1 Winratio 1.00
2 Capital -0.01 1.00
3 Clasificación -0.07 0.10 1.00
4 DistanciaMás alto -0.35 0.00 -0.01 1.00
5 Duración -0.15 -0.03
Efectos de la -0.03 F Glaser y 0.69
M Risius 1.00
6 ParesTotal -0.17 transparencia
0.06 0.04 -0.02 -0.05 1.00
7 OperacionesTotal -0.02 0.07 0.06 0.00 -0.01 0.19 1.00
8 Experiencia 0.04 0.02 0.10 0.08 0.10 - -0.04 1.00
0.03
 Efectos de la
transparencia
Este enfoque nos permitió controlar (1) cualquier
diferencia idiosincrásica invariable a priori entre los
operadores (es decir, rasgos personales, efectos situacionales)
mediante la hipótesis de efectos fijos restringidos, (2) una
tendencia temporal de aprendizaje (es decir, experiencia) y
(3) cambios específicos del día (codificados con dummies)
(que no se muestran explícitamente en las tablas ni en la
ecuación en aras de la claridad), además de tener en cuenta la
hipótesis de los cambios específicos del día, experiencia), y
(3) los cambios específicos del día (codificados con
dummies) (que no se muestran explícitamente en las tablas o
ecuaciones en aras de la claridad), además de la
consideración de los efectos focales hipotéticos del estilo del
comerciante y las influencias sociales (Wooldridge, 2010).
Estos aspectos se controlaron teniendo en cuenta que cada
operador de la muestra podría estar dotado de herramientas
únicas o rasgos personales distintivos. Se seleccionó un
modelo de efectos fijos para controlar los efectos
individuales que alteran el rendimiento, ya que el presente
trabajo se centra en patrones sistemáticos comunes a todos
los operadores (Wooldridge, 2010). Se incluyeron variables
ficticias de tiempo para cada día con el fin de descartar los
efectos específicos del tiempo que influyen sistemáticamente
en los comerciantes (por ejemplo, efectos estacionales,
vacaciones, cambios meteorológicos) durante ciertos
períodos de tiempo (Wooldridge, 2010). Teniendo en cuenta
que los operadores aprenden con el tiempo y mejoran su
rendimiento (Chiang et al., 2011), controlamos el aprendizaje
progresivo de un operador mediante el número de días
transcurridos desde la primera operación del operador en la
plataforma (es decir, la experiencia).
Por último, incluimos variables retardadas de capital,
calificación y número de operaciones para permitir
inferencias de causalidad cronológica (es decir, la
repetición de eventos que se suceden con un retraso
razonable). Como señalan Abbey y Doukas (2015), la
actividad de negociación de un operador diario en un
periodo anterior influye en el rendimiento de un operador
en el periodo actual. En cuanto a la interpretación de las
métricas, no consideramos los niveles (generalmente
bastante persistentes) de estas variables, sino las diferencias
de primer orden en comparación con el periodo anterior. Por
ejemplo, DCapitalit—1 denota el cambio absoluto del
capital invertido en el comerciante i entre el periodo t - 2
y t - 1. Probamos modelos con mayores longitudes de
retardo, pero no pudimos encontrar diferencias notables en
cuanto al ajuste del modelo o las métricas analíticas de
especificación. Además, los retardos adicionales no fueron
significativos.
Cuadro 3 Los coeficientes se presentan como coeficientes beta (también denominados frecuentemente coeficientes normalizados)
Variable dependiente: winratio
(t)
Hipótesis Variable
H1: Calendario Duración
H2: Disposición DistanciaMás alto
H3: Enfoque ParesTotal
H4: Actividad OperacionesTotal
F Glaser y M Risius
Consideraciones sobre la solidez
En el transcurso de la descripción de nuestro análisis,
documentamos enfoques adicionales adoptados para
comprobar nuestros resultados frente a valores atípicos,
distribuciones sesgadas de las variables explicativas y
problemas de submuestreo. En esta sección, tenemos en
cuenta brevemente las decisiones relativas a nuestro
procedimiento de estimación econométrica que podrían
sesgar sistemáticamente los resultados.
En primer lugar, una prueba de efectos no observados en
los residuos individuales rechaza la hipótesis nula y, por
tanto, justifica la modelización de los efectos individuales
mediante una regresión de panel de efectos aleatorios o fijos
(Wooldridge, 2010). La elección de la estimación de efectos
fijos sobre la estimación de efectos aleatorios se basó en el
rechazo de la hipótesis nula en el procedimiento de prueba de
Hausman para la especificación errónea (Hausman y Taylor,
1981). Por último, tuvimos en cuenta los patrones de
correlación en serie y heteroscedasticidad de los términos de
error que suelen encontrarse en las regresiones de panel.
Nuestros datos de panel no adolecen de ser un conjunto de
panel ''corto'' y, por lo tanto, las pruebas estándar de
correlación serial son factibles (Wooldridge, 2010). Tanto las
pruebas de Breusch-Godfrey como las de Durbin-Wat- son
para la correlación serial rechazan la hipótesis nula que indica
correlación serial. Por lo tanto, necesitamos corregir estos
efectos utilizando errores estándar robustos (Arellano, 1987).
Resultados empíricos
Los resultados de la validación de nuestro modelo empírico
con coeficientes beta normalizados se presentan en el cuadro
3.
En general, los resultados respaldan nuestra hipótesis
subyacente de que, en las plataformas de negociación social,
el rendimiento del operador se ve afectado por las
características de comportamiento e interacción de la
plataforma (R ajustada2 = 13,77%, p \ .001). En
concreto, los resultados también respaldan las relaciones
planteadas anteriormente.
En cuanto al efecto de la duración (hipótesis 1) y la
disposición (hipótesis 2), vemos que ambas características
afectan significativamente al rendimiento del operador.
Teniendo en cuenta la correlación de ambas métricas, esto
significa que la duración de una operación sólo es positiva
mientras la posición discurra en la dirección favorable, es
decir, aumentando la rentabilidad. En cuanto la posición va en
la dirección equivocada, es decir, se aleja del precio más alto
y posiblemente entra en la zona de pérdidas, la duración de la
operación deja de ser positiva.
Coeficiente valor p Firm
a.
0.1294 0.0001 ***
- 0.0000 ***
0.4053
- 0.0002 ***
0.2043
- 0.3036
0.0346
 TotalEfectos
operaciones
de la (t - 1) 0.0616
F Glaser y M Risius 0.0115 **
transparencia
H5: Moral DCapital 0.3212 0.5363
DCapital (t - 1) 0.8889 0.0013 ***
DCapital (t - 2) 0.5724 0.0674 *
H6: Retroalimentación DRating 0.2219 0.0043 ***
social
DRating (t - 1) - 0.8382
0.0231
Controla Experiencia 0.0771 0.0294 **
Dummies Tiempo incluido
R ajustada2 0.1377
Estadísticas F 63.0005 0.0000 ***
 Efectos de la F Glaser y M Risius
transparencia

cerrar prematuramente las operaciones ganadoras o a superar

más favorable. La mediana de DistanceHighest fue 0, lo que las perdedoras. Nuestros resultados muestran que el efecto de
indica que la mayoría de las operaciones se cerraron mientras disposición se intensifica con un aumento previo del riesgo
la operación se desarrollaba en la dirección favorable. Dicho moral expresado a través del capital confiado a un operador.
de otro modo, la operación se cerró con la rentabilidad más En otras palabras, prestar más atención a un operador
alta hasta ese momento. Así pues, los resultados confirman
las hipótesis H1 y H2.
Como sugiere nuestra tercera hipótesis H3, el número de
pares negociados que mide el enfoque del operador influye
en los resultados. Cuanto más centrado esté un operador en
las clases de activos, mejores serán los resultados de sus
operaciones.
La hipótesis H4 concuerda con las conclusiones de Abbey
y Doukas (2015), que muestran que un mayor nivel de
actividad en el periodo anterior indica un mayor rendimiento
en el periodo actual. Para comprobar si existen problemas de
colinealidad, excluimos el retardo de TradesTotal y
comprobamos que los resultados son estables. TradesTotal en
el periodo actual sigue siendo insignificante.
De acuerdo con la hipótesis H5, observamos que un
aumento del capital invertido en los días anteriores influye en
el winratio diario. Suponemos que dos formas de influencia
explican esta observación. En primer lugar, indica que el
operador asume que es supervisado en el periodo actual, es
decir, inmediatamente después de las nuevas inversiones, e
intenta complacer al nuevo inversor con rendimientos
positivos. En segundo lugar, muestra que un cambio en las
inversiones del día anterior hace que el comerciante sea más
propenso al efecto de disposición. Este hallazgo muestra la
relación entre las capacidades de supervisión en tiempo real
de un principal y el sesgo de comportamiento del operador.
Hay que señalar que el efecto sólo es válido con respecto a
un cambio en el periodo anterior.
Aunque los resultados apoyan la hipótesis H6 de
retroalimentación social, la ausencia de un efecto retardado
no permite inferir una causalidad (cronológica) a partir de los
resultados. Aunque observamos un coeficiente significativo
para la primera diferencia del periodo actual, no podemos
establecer un orden cronológico claro. La calificación se
obtiene al final del día, mientras que el winratio se determina
dentro de ese mismo día. Por lo tanto, aparte del
razonamiento teórico, no podemos aportar pruebas empíricas
definitivas de que la calificación haya aumentado durante el
día debido al buen rendimiento de la operación, o si el
rendimiento del operador se ve influido por una calificación
más alta en comparación con el día anterior.

Debate
El objetivo de este estudio era investigar cómo puede
mejorarse el rendimiento de los operadores mediante la
transparencia y las interacciones sociales en las plataformas
de negociación social. Para ello, recopilamos y analizamos
un panel de 178 perfiles de operadores y su respectiva
información comercial durante más de 100 días en una de las
principales plataformas de negociación social: Zulutrade.
Contrariamente a los supuestos de la hipótesis del mercado
eficiente, nuestros resultados muestran en general que el
rendimiento de los operadores sociales está sujeto a sesgos
de comportamiento (es decir, disposición) y relacionales (es
decir, riesgo moral, retroalimentación social) comparables a
los entornos de inversión tradicionales. Además, podemos
considerar de cerca los efectos de interacción dependientes
del tiempo de los sesgos destacados de disposición y riesgo
moral que perjudican los rendimientos de los operadores. El
efecto de disposición describe la tendencia de un operador a
 Efectos de la disposición
F en
un innovador entorno de negociación en línea.
Glaser y M Risius
transparencia
aumenta el deseo del inversor de evitar pérdidas, incluso si De este modo, complementamos los hallazgos de las finanzas
ello implica dejar de obtener rendimientos óptimos. Los conductuales que contradicen la hipótesis del mercado
efectos observados permanecen estables bajo un control eficiente. Aunque las plataformas de negociación social
simultáneo de los factores conocidos del rendimiento, como difieren sustancialmente del entorno de negociación común
la duración de las operaciones, la frecuencia de las en cuanto a niveles de transparencia y tipos de relaciones, el
operaciones, la frecuencia de las operaciones rezagadas, el efecto de disposición se mantiene estable en todos los
enfoque de la inversión y la experiencia del operador. Por entornos. Más aún, la mayor exposición a la atención del
último, hay que reconocer que los presentes resultados inversor parece potenciar el efecto de disposición.
empíricos no indican necesariamente la supuesta
dependencia causal entre los indicadores de seguimiento y
el winratio. La relación positiva indica que la disminución
de las calificaciones o del capital está asociada a una
disminución del winratio. Alternativamente, podría
suponerse que el efecto está moderado por variables
adicionales. Podría ser, por ejemplo, que un menor
seguimiento por parte de los usuarios disminuya el esfuerzo
del operador o la voluntad de recortar las métricas de
rendimiento mostradas públicamente. También es posible
que los operadores se centren en obtener mayores
rendimientos en lugar de mayores ratios de ganancias. Por
lo tanto, tienen que asumir más riesgos y, en consecuencia,
sufren una mayor proporción de operaciones que tienen que
cerrar con pérdidas. Estas explicaciones adicionales, sin
embargo, no anulan la relación, sino que ofrecen pistas para
seguir investigando el trading social.

Conclusión
Mientras que la hipótesis del mercado eficiente asume que
los precios de las acciones se basan puramente en la
racionalidad, se ha descubierto que el rendimiento de los
operadores en entornos offline se ve afectado por una serie
de sesgos sociales y de comportamiento. Debido a sus
características clave de comunicación transparente y
relaciones sociales, las plataformas de negociación social
ofrecen la oportunidad única de estudiar las repercusiones
conductuales y sociales en el comportamiento de los
operadores. Hasta donde sabemos, somos los primeros en
combinar datos de perfiles y operaciones de una plataforma
de negociación social para analizar efectos comparables en
un entorno en línea en tiempo real de relaciones entre
inversores y operadores. De este modo, confirmamos el
efecto de disposición para los comerciantes en el entorno en
línea de una plataforma de comercio social. Esto contribuye
a la investigación de la financiarización, considerando que
el comercio social representa un fenómeno asociado en
términos de plataformas tecnológicamente
desintermediadoras que permiten maximizar los beneficios
financieros individuales a través del comercio especulativo.
En concreto, explotamos las características únicas de la
medida de rendimiento winratio y observamos que los
operadores tienden a ser más propensos al efecto de
disposición en el periodo actual si su calificación o el
capital invertido han cambiado en el periodo anterior.
Concluimos que los comerciantes intentan mejorar su
medida de rendimiento cuando reciben más atención de la
comunidad, es decir, las inversiones de capital en el periodo
anterior o los cambios en la calificación media de los
usuarios. Los efectos observados permanecen estables
cuando se tienen en cuenta factores de rendimiento
establecidos, como la duración de las operaciones, la
frecuencia de las operaciones, la frecuencia de las
operaciones retardada, el nivel de atención y la experiencia
del operador.
Estos conocimientos son relevantes tanto desde una
perspectiva teórica como práctica. En primer lugar,
ampliamos los conocimientos teóricos sobre los factores
que impulsan el destacado y bien estudiado efecto de
 Efectos de la F Glaser y M Risius
transparencia

externas y, al menos para su estrategia, irrelevantes como los

mientras que disminuye significativamente el rendimiento cambios de capital invertido o los cambios de calificación.
del comerciante. Además, ampliamos la literatura sobre la Sobre todo porque los operadores de en Zulutrade son
teoría del principal-agente en el mundo de los servicios completamente independientes de la cantidad invertida en su
financieros digitalizados. Demostramos que la transparencia estrategia. Esto es diferente en el caso de los fondos y las
total y el ejercicio del control no introducen necesariamente estructuras tradicionales de gestión de activos, en los que los
efectos positivos. El comportamiento del agente se ve operadores se benefician del volumen de la cartera que
influido por el reconocimiento de ser vigilado. Por lo tanto, gestionan. Sin embargo, es necesario seguir investigando la
el principal podría inducir inadvertidamente un hipótesis de que este sesgo de la muestra subestime más bien
comportamiento desfavorable del agente a través de la los tamaños de los efectos de .
supervisión. Así, también obtenemos información sobre los En cuanto a la generalización de nuestros resultados, hay
efectos de la financiarización en relación con el impacto de que tener en cuenta que los datos se obtuvieron de una
una mayor transparencia y desregulación (Bucha- nan, 2016). plataforma de comercio social, que es estructuralmente
Además, proporcionamos información sobre el diferente de otras plataformas.
comportamiento de los comerciantes y el impacto de las
características de los servicios de comercio social. Al hacer
que los operadores y su rendimiento sean visibles para la
comunidad y permitir la retroalimentación social de los
inversores en términos de calificaciones, ayuda a que los
operadores actúen de forma más conservadora y aumenten
temporalmente el winratio.
Por lo tanto, los operadores de plataformas pueden
remitirse a estos resultados para mejorar o medir el impacto
de las distintas estructuras de incentivos y capacidades de
supervisión que ofrecen sus plataformas. Sobre la base de
estos resultados, sostenemos que los operadores deben
decidir qué tipo de comportamiento de negociación les
gustaría fomentar en sus plataformas y diseñar las
características en consecuencia. Si, por un lado, se desean
estrategias de inversión de alto riesgo con rendimientos
potencialmente maximizados, las plataformas deberían
ofrecer sólo funciones restrictivas de señalización de la
atención, como las calificaciones subjetivas de los usuarios.
Por otro lado, sin embargo, si quieren fomentar la
negociación más bien consciente del riesgo, los mecanismos
de retroalimentación social ayudan a establecer tales
comportamientos. Además, los reguladores obtienen
información sobre los servicios financieros de reciente
aparición. Dado que las autoridades reguladoras postulan y
aplican con frecuencia la protección del cliente a través de ,
nuestras conclusiones pueden servir de orientación útil para
futuros debates reguladores. De este modo, podemos
demostrar los efectos de una mayor transparencia del
comportamiento de los comerciantes de para las entidades
reguladoras y de inversión. Concretamente, cuando los
inversores pueden comparar abiertamente las medidas de éxito
de los operadores, éstos recortan sus métricas de rendimiento
aunque no obtengan un rendimiento óptimo. De este modo,
también abordamos el principal aspecto global de la
financiarización en relación con la desregulación del
mercado (Buchanan, 2016).
Sin embargo, estas aportaciones deben considerarse a la
luz de las limitaciones del estudio, que al mismo tiempo
ofrecen pistas para futuras investigaciones. En su estado
actual, los resultados podrían estar sujetos a un sesgo de
muestreo o supervivencia. Debido a nuestra metodología de
filtrado , que consiste en utilizar únicamente a los operadores
que han realizado al menos dos operaciones en la plataforma,
se podría argumentar que los operadores más cualificados
permanecieron en la muestra, lo que explica los ratios de
ganancias más elevados. Sin embargo, hay que señalar que
este sesgo de la muestra implicaría que es más probable que
los coeficientes obtenidos subestimen el tamaño real del
efecto. Teniendo en cuenta que los operadores expertos
deberían ser menos propensos a reaccionar a las influencias
 Efectos de la Journal
F Glaser of Risius
yM Portfolio Management 39(3): 32-39.
(por ejemplo, impone menos controles transparencia
y restricciones en
relación con los criterios de admisión o la evaluación del
historial de los operadores). En consecuencia, el entorno
podría fomentar comportamientos de negociación bastante
peligrosos.
Por último, otras investigaciones en este sentido podrían
centrarse en cambiar el diseño de las funcionalidades para
la comunicación entre operadores y seguidores o sistemas
de recomendación más elaborados para operadores o
estrategias de negociación o incorporar otras dimensiones
como cambios en el comportamiento de asunción de riesgos
en presencia de niveles más altos de seguidores y capital
confiado. Esto permitiría analizar más de cerca cómo
influye en la asunción de riesgos la presencia social, la
interacción o las funcionalidades sociales en los entornos de
negociación en línea.

Referencias
Aalbers, M. (2008). La financiarización de la vivienda y la crisis del mercado
hipotecario,
Competencia y Cambio 12(2): 148-166.
Aalbers, M. (2015). Corporate Financialization, The International Encyclopedia of
Geography: People, the Earth, Environment, and Technology, Oxford, Reino Unido:
Wiley.
Abbey, B.S. y Doukas, J.A. (2015). ¿Ganan dinero los operadores individuales de
divisas? Journal of International Money and Finance 56: 158-177.
Alt, R. y Puschmann, T. (2012). The Rise of Customer-Oriented Banking -
Electronic Markets Are Paving the Way for Change in the Financial Industry,
Electronic Markets 22(4): 203-215.
Amman, M. y Schaub, N. (2016). Interacción social e inversión: Evidence form
an Online Social Trading Network [documento WWW] https://www.rsm.
nl/fileadmin/home/Department_of_Finance VG5_/PAM2016/Final_Papers/
Nic_Schaub.pdf (consultado el 25 de agosto de 2016).
Antweiler, W. y Frank, M.Z. (2004). ¿Todo lo que se dice es sólo ruido? The
Information Content of Internet Stock Message Boards, The Journal of
Finance 59(3): 1259-1294.
Arellano, M. (1987). Computing Robust Standard Errors for Within-groups
Estimators, Oxford Bulletin of Economics and Statistics 49(4): 431-434.
Ba, S. y Pavlou, P.A. (2002). Evidence of the Effect of Trust Building
Technology in Electronic Markets: Price Premiums and Buyer Behavior, MIS
Quarterly 26(3): 243-268.
Baghestanian, S., Gortner, P.J. y van der Weele, J. (2015). Peer Effects and
Risk Sharing in Experimental Asset Markets, SAFE Documento de trabajo
n.º 67. Barber, B. M. y Odean, T. (2002). Online Investors: Do the Slow Die
First?
Revista de Estudios Financieros 15(2):
455-487.
Ben-David, I. y Hirshleifer, D. (2012). Are Investors Really Reluctant to
Realize Their Losses? Trading Responses to Past Returns and the Disposition
Effect, Review of Financial Studies 25(8): 2485-2532.
Bhattacharya, S. y Pfleiderer, P. (1985). Gestión delegada de carteras,
Revista de Teoría Económica 36(1): 1-25.
Bjønnes, G.H. y Rime, D. (2005). Dealer Behavior and Trading Systems in
Foreign Exchange Markets, Journal of Financial Economics 75(3): 571-605.
Bjønnes, G.H., Rime, D. y Solheim, H.O. (2005). Liquidity Provision in the
Overnight Foreign Exchange Market, Journal of International Money and
Finance 24(2): 175-196.
Breedon, F. y Ranaldo, A. (2013). Intraday Patterns in FX Returns and Order
Flow, Journal of Money, Credit and Banking 45(5): 954-965.
Buchanan, B.G. (2016). The Way We Live Now: Financialization and Securiti-
zation, Research in International Business and Finance Advance Online
Publication 23 de enero, doi:10.1016/j.ribaf.2015.11.019.
Chen, H., De, P., Hu, Y. y Hwang, B.-H. (2014). Wisdom of Crowds: The
Value of Stock Opinions Transmitted Through Social Media, Review of
Financial Studies 27(5): 1367-1403.
Chen, X. y Lai, Y.-J. (2015). On the Concentration of Mutual Fund Portfolio
Holdings: Evidence from Taiwan, Research in International Business and
Finance 33: 268-286.
Chiang, Y.-M., Hirshleifer, D., Qian, Y. y Sherman, A.E. (2011). ¿Aprenden los
inversores de la experiencia? Evidence from Frequent IPO Investors, Review of
Financial Studies 24(5): 1560-1589.
Cornell, B. (2013). Lo que mueve los precios de las acciones: Another Look,
 Efectos de la
transparencia
Currie, W.L. y Lagoarde-Segot, T. (2016). Call For Papers: Finacialization and
Information Technology, Journal of Information Technology.
Dewally, M., Ederington, L. y Fernando, C. (2009). Determinants of Trader
Profits in Commodity Futures Markets, Review of Financial Studies 26(10):
2548-2683.
Doering, P., Neumann, S. y Paul, S. (eds.) (2015). A Primer on Social Trading
Networks: Institutional Aspects and Empirical Evidence.
Epstein, G.A. (2005). Financialization and the world economy, Cheltenham,
Reino Unido: Edward Elgar Publishing.
Evans, A.L. (2008). Portfolio Manager Ownership and Mutual Fund Perfor-
mance, Financial Management 37(3): 513-534.
Falkner, R. y Corsthwaite, D. (2013). Mirror Trading y Social Media Marketing:
Reulatory and Business Risks [documento WWW]
http://de.slideshare.net/black swanpartners/black-swan-partners-reedreed-
smithsocialtradingmarketingseminar booklet (consultado el 29 de agosto de
2016).
Fama, E.F. (1970). Efficient Capital Markets: A Review of Theory and Empirical
Work, The Journal of Finance 25(2): 383-417.
Fama, E.F. (1998). Market Efficiency, Long-Term Returns, and Behavioral
Finance, Journal of Financial Economics 49(3): 283-306.
Farnsworth, H. y Taylor, J. (2006). Evidene on the Compenstation of Portfolio
Managers, The Journal of Financial Research 29(3): 305-324.
Fernandes, J.L.B., Pen˜a, J.I. y Tabak, B.M. (2010). Delegated Portfolio
Management and Risk-Taking Behavior, The European Journal of Finance 16(4):
353-372.
Garner, C. (2012). Currency Trading in the Forex and Futures Markets, Nueva
Jersey, USA: FT Press.
Hausman, J. y Taylor, W. (1981). Panel Data and Unobservable Individual Ects,
Econometrica 49: 1377-1398.
Hiraki, T., Liu, M. y Wang, X. (2015). Country and Industry Concentration and
the Performance of International Mutual Funds, Journal of Banking &
Finance 59: 297-310.
Holmstrom, B. y Milgrom, P. (1991). Multitask Principal-Agent Analyses:
Incentive Contract, Asset Ownership, and Job Design, Journal of Law,
Economics, & Organization 7(Special Issue): 24-52.
Jacobs, H. y Weber, M. (2015). On the Determinants of Pairs Trading
Profitability, Journal of Financial Markets 23: 75-97.
Jøsang, A., Ismail, R. y Boyd, C. (2007). A Survey of Trust and Reputation
Systems for Online Service Provision, Decision Support Systems 43(2): 618-644.
Keynes, J.M. (2013). The state of long-term expectation (4.ª ed.), Nueva York,
EE. UU.: Cambridge University Press.
Lagoarde-Segot, T. (2016). Financialization: Hacia una nueva agenda de
investigación. International Review of Financial Analysis, International
Review of Financial Analysis publicación en línea anticipada 3 de abril, doi:
10.1016/j.irfa.2016.03.007.
Lee, W. y Ma, Q. (2015). A quién seguir en los servicios de comercio social?
A System to Support Discovering Expert Traders, en Proceedings of
the10th International Conference on Digital Information Management
(ICDIM),
pp. 188-193.
Liu, Y.-Y., Nacher, J. C., Ochiai, T., Martino, M. y Altshuler, Y. (2014). Prospect
Theory for Online Financial Trading, PLoS ONE 9(10): 1-7.
Lo, A.W. (2004). La hipótesis de los mercados adaptativos: Market Efficiancy
from an Evolutionary Perspective, Journal of Portfolio Management 30(5): 15-
29.
Neumann, S., Paul, S. y Doering, P. (2015) A Primer on Social Trading:
Remuneration Schemes, Trading Strategies and Return Characteristics, en
Proceedings of the EFMA Annual Meetings 2015.
Newman, M.E.J. y Park, J. (2003). Why Social Networks are Different from
Other Types of Networks, Physical Review E 68(3): 1-8.
Oehler, A., Horn, M. y Wendt, S. (2016). ¿Beneficios del comercio social?
Empirical Evidence for Certificates on Wikifolios, International Review of
Financial Analysis 46: 202-210.
Orlean, A. (2012). El conocimiento en las finanzas: Valor objetivo frente a
convención. Northamption, MA: Edward Elgar Publishing.
Pan, W., Altshuler, Y. y Pentland, A. (2012) Decoding Social Influence and the
Wisdom of the Crowd in Financial Trading Network, in Privacy, Security,
Risk and Trust (PASSAT), 2012 International Conference on and 2012
International Confernece on Social Computing (SocialCom), pp. 203-209.
F Glaser y M Risius
Pavlou, P.A., Liang, H. y Xue, Y. (2007). Understanding and Mitigating
Uncertainty in Online Exchange Relationships: A Principal-Agent Perspective,
MIS Quarterly 31(1): 105-136.
Pelster, M. y Breitmayer, B. (2016) ¿Inteligencia de enjambre? Stock Opinions of
the Crowd and Stock Returns [documento WWW] http://dx.doi.org/10.2139/ssrn.
2787744 (consultado el 25 de agosto de 2016).
Philippon, T. (2015). Se ha vuelto menos eficiente el sector financiero
estadounidense?
American Economic Review 105(4): 1408-1438.
Robinson, D. (2014). El retorno del daytrader: ¿Se puede ganar la vida copiando a
otros inversores? [documento WWW] http://www.telegraph.co.uk/finance/
personalfinance/investing/11123162/Return-of-the-daytrader-can-you-earn-a-
living-by-copying-other-investors.html (consultado el 29 de agosto de 2016).
Rosov, S. y Foster, F.D. (2014). Customer Foreign Exchange Orders: When Timing
Really Does Matter, Australian Journal of Management 39(3): 351-368.
Ross, S.A. (2004). Compensation, Incentives, and the Duality of Risk Aversion
and Riskiness, The Journal of Finance 59(1): 207-225.
Sapienza, P. y Zingales, L. (2012). A Trust Crisis, Revista Internacional de
Finanzas 12(2): 123-131.
Shefrin, H. y Statman, M. (1985). The Disposition to Sell Winners Too Early and
Ride Losers Too Long: Theory and Evidence, The Journal of Finance 40(3):
777.
Shiller, R.J. (2005). Irrational Exuberance (2ª ed.), Nueva Jersey, EE.UU.:
Princeton University Press.
Shiller, R.J. (2015). Irrational Exuberance (3.ª ed.), Nueva Jersey, EE. UU.:
Princeton University Press.
Siering, M. y Muntermann, J. (2013). How to Identify Tomorrow's Most Active
Social Commerce Contributors? Inviting Starlets to the Reviewer Hall of Fame,
en Proceedings of the International Conference on Information Systems 2013,
Milán, Italia.
Stoughton, N.M. (1993). Riesgo moral y el problema de la gestión de carteras,
The Journal of Finance 48(5): 2009-2028.
Weber, M. y Camerer, C.F. (1998). The Disposition Effect in Securities Trading:
An Experimental Analysis, Journal of Economic Behavior & Organi- zation
33(2): 167-184.
Wohlgemuth, V., Berger, E.S. y Wenzel, M. (2016). More than Just Financial
Performance: Trusting Investors in Social Trading, Journal of Business Research
69(11): 4970-4974.
Wooldridge, J.M. (2010). Econometric Analysis of Cross Section and Panel Sata
(2ª ed.), Cambridge, EE.UU.: MIT Press.
Zhao, J.C., Fu, W.-T., Zhang, H., Zhao, S. y Duh, H. (2015). To Risk or Not to
Risk? en The 18th ACM Conference (Vancouver, BC, Canadá), pp. 95-104.
Zulutrade. (2016). Página de inicio de Zulutrade [documento WWW] http://www.
zulutrade.com/index (consultado el 29 de agosto de 2016).
Sobre los autores
Florian Glaser es doctorando en la Universidad Goethe de
Fráncfort (Alemania). Sus intereses de investigación se
centran en el ámbito de las innovaciones en las redes
financieras electrónicas en general y, en particular, en el
comercio algorítmico y el diseño de sistemas blockchain.
Marten Risius es postdoctorando en la Universidad de
Mannheim (Alemania). Sus intereses de investigación se
centran en los ámbitos de la digitalización, la gestión de
medios sociales y la analítica de medios sociales. Ha
publicado artículos en JSIS, Information & Management y en
las actas de congresos de ECIS, HICSS y AMCIS.
 Efectos de la F Glaser y M Risius
transparencia

Ver estadísticas de publicación