Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Consulte los debates, las estadísticas y los perfiles de los autores de esta publicación en: https://www.researchgate.net/publication/311785224
CITACIONE LEA
S
2,968
34
2 autores:
Algunos de los autores de esta publicación también trabajan en estos proyectos relacionados:
Artículo de
investigación
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
F
a financiarización describe "el papel cada vez más (incluidas las instituciones financieras), los Estados y los
importante de los motivos financieros, los mercados hogares" (Aalbers, 2015: 3). Se considera la solución
financieros, los agentes financieros y las instituciones políticamente inadvertida a los problemas económicos actuales
financieras en el funcionamiento de las economías nacionales (Buchanan, 2016), como la disminución de la confianza de los
e internacionales" (Epstein, 2005: 3), que da lugar "a una 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
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
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).
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".
estos cambios inmediatos en el comportamiento y la toma de la investigación sobre negociación social antes mencionada,
decisiones de los comerciantes. El rendimiento y la toma de consideramos especialmente relevantes los errores de juicio
decisiones de cada operador no sólo se basan en los niveles humanos debidos a la atención de los demás (es decir, los
de destreza y habilidad , sino que también se ven afectados sesgos conductuales y relacionales) (Shiller, 2005).
por determinadas características sociales y de
comportamiento, como explicaremos a continuación. Sesgos y pautas de comportamiento de los operadores diarios
Un operador puede cerrar operaciones prematuramente para
Sesgos subjetivos en los resultados comerciales individuales garantizar la obtención de una rentabilidad positiva. Si una
Hace tiempo que la hipótesis del mercado eficiente propone posición abierta arrojara un rendimiento negativo, los
que los precios de las acciones reflejan objetivamente toda la operadores pueden decidir esperar si la posición arroja un
información relacionada en un momento dado (Fama, 1970, rendimiento positivo más adelante. En las finanzas
1998). La nueva información es procesada instantáneamente conductuales, estas dos pautas de comportamiento se
por los mercados, lo que establece un equilibrio de precios e conocen como ''efecto de disposición''. Afirma que es
impide la especificación errónea de las acciones (Lo, 2004). probable que los inversores cierren una operación ganadora
En este sentido, los precios se justifican objetivamente y los demasiado pronto y eviten cerrar una operación con pérdidas
rendimientos son independientes de las características durante demasiado tiempo (Shefrin y Statman, 1985). Es uno
subjetivas del operador. Las críticas a esta perspectiva se han de los hechos estilizados más destacados de las finanzas
visto alimentadas por acontecimientos como las crisis conductuales y se ha validado empíricamente a lo largo del
financieras debidas a estimaciones sobrevaloradas del tiempo, en diferentes clases de activos y países, y se sabe que
mercado (Shiller, 2015) y los resultados empíricos que afecta por igual a inversores profesionales y novatos (Weber
muestran la no conformidad de los movimientos del precio y Camerer, 1998). A veces también se denomina "efecto de
de las acciones con los fundamentos de la empresa (Cornell, preferencia de signo" (Ben-David e Hirshleifer, 2012). La
2013). Esto ha dado lugar a la hipótesis de las finanzas figura 2 muestra los distintos escenarios en relación con el
conductuales de que el comportamiento humano irracional efecto de disposición y el momento del cierre de una
puede afectar a las reacciones del mercado bursátil. Uno de operación que marca la diferencia (para una visión más
los más destacados es Keynes (2013), quien sostiene que los detallada de la relevancia y la dificultad del momento
efectos subjetivos, como el sentimiento o las valoraciones específicamente para la negociación de divisas,
convencionales, afectan a las expectativas humanas a largo recomendamos Rosov y Foster (2014)). En el contexto de la
plazo y a las decisiones de inversión más allá del juicio negociación social, se ha descubierto que el efecto de
racional basado en hechos. El establecimiento de la disposición se reduce mediante la negociación espejo de
financiarización en la investigación financiera académica se estrategias expertas (Liu et al., 2014). Sin embargo, dado que
corresponde hasta cierto punto con este desarrollo. Las los enfoques de mirror trading puro solo representan el dos
finanzas académicas se basaban en el "lenguaje por ciento de las operaciones iniciadas a través de las
representativo", que asume una realidad financiera plataformas (Pan et al., 2012), puede considerarse que los
objetivamente identificable -como la hipótesis del mercado efectos mitigadores respectivos son más bien bajos.
eficiente- representada por un equivalente empírico Teniendo en cuenta el debate anterior sobre los impulsores
(Lagoarde-Segot, 2016). Sin embargo, las finanzas del comportamiento, nuestra hipótesis para las plataformas de
conductuales consideran que una visión objetivista del negociación social es la siguiente:
mundo está algo desfasada (Orlean, 2012). En consecuencia, H1 El momento en que se realizan las operaciones afecta
los investigadores de las finanzas siguen el "lenguaje significativamente al rendimiento del operador.
performativo", que permite que factores externos influyan en
múltiples realidades de los agentes económicos (Lagoarde- H2 Dejar que las posiciones perdedoras acumulen pérdidas
Segot, 2016). En consecuencia, los investigadores reclaman y cerrar prematuramente las posiciones ganadoras sesga el
enfoques multidisciplinares para abordar plenamente la rendimiento del operador.
financiarización y las finanzas conductuales (Aalbers, 2015; Aparte de los impulsores conductuales del rendimiento de
Orlean, 2012). Por lo tanto, nos remitimos a los hallazgos de los operadores, se ha observado que el enfoque/diversidad de
las finanzas conductuales sobre los efectos subjetivos para la cartera del intermediario influye en el comportamiento
evaluar el rendimiento comercial individual. Se ha inversor. Por ejemplo, Chen y Lai (2015) compararon estilos
descubierto que las plataformas de negociación social son un de inversión concentrados (es decir, inversores centrados en
entorno especialmente viable para estudiar los efectos solo unos pocos activos diferentes) con otros menos
subjetivos en el comportamiento de negociación, debido a concentrados, es decir, excesivamente confiados (es decir,
sus características clave en cuanto a estructuras de redes inversores que se sienten capaces de evaluar muchos activos
sociales transparentes e intercambios comunicativos diferentes simultáneamente y con
inmediatos (por ejemplo, Chen et al., 2014; Liu et al., 2014;
Wohlgemuth et al., 2016). En consonancia con
Disposición
Disposición Punto de cierre
(Mantener las pérdidas)
(Signo de óptimo
preferencia)
Nivel de
rendimiento
realizado
Duración del Duración del
Duración del comercio 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
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 capta los efectos de mantener abiertas las operaciones menos
datos incluía 428 153 operaciones individuales de los 178 favorables con la esperanza de obtener mayores rendimientos
operadores mencionados en durante un periodo de 107 días. en el futuro, lo que está en consonancia con la conocida
aversión a realizar una pérdida. Una ''DistanciaMáxima'' en
Operacionalización de variables torno a 0 significa cerrar la operación en torno al óptimo
Para aproximarnos a la retroalimentación social, incluimos la (actual), lo que también puede ser prematuro, es decir, cerrar
''Valoración'' como la valoración media de todos los una operación mientras su rentabilidad esté aumentando.
seguidores que han invertido capital en la estrategia de un Con ''Duración'' captamos la sincronización de un
operador, que oscila entre 0 y 5. operador, representada por el tiempo transcurrido entre la
El riesgo moral se mide a través del "capital", que hora de apertura de una operación y su hora de cierre,
representa la cantidad total de dólares estadounidenses expresado en días. Calculamos la duración media de todas las
invertidos en la estrategia de los operadores y se observa operaciones cerradas diariamente por cada operador. Por
diariamente. Como suele ocurrir en las redes sin escala, el último, para incluir los patrones de comportamiento en
capital tiene una distribución de ley de potencia sesgada, porque términos de enfoque y actividad de un operador,
un pequeño número de comerciantes acapara la mayor parte del consideramos ''PairsTotal'' (recuento de pares de divisas
capital total invertido (Newman y Park, 2003). No obstante, únicos negociados) y ''TradesTotal'' (el número total de
al 50% de los comerciantes se les confían varios miles de operaciones gestionadas, es decir, abiertas y cerradas).
$USD. Para evitar los posibles efectos sesgados de la Ambos se calculan para cada operador y cada día de la
distribución sesgada en un modelo de regresión lineal, muestra.
consideramos diferencias de primer orden (retardadas) para Las correlaciones por pares (Tabla 2) entre estas medidas
nuestro análisis posterior (Wooldridge, 2010). son generalmente bajas, excepto para la duración media de
El rendimiento de un operador se mide por el ''winratio'', las operaciones y la distancia al precio más alto, que están
como se explica en en capítulos anteriores. El ''winratio'' se intrínsecamente relacionadas. Por lo demás, las correlaciones
define diariamente para cada operador. Representa la cruzadas están dentro de límites aceptables.
proporción de operaciones con un rendimiento positivo que
un operador cerró en un día concreto. La cuota se obtuvo a Metodología
partir del conjunto de datos sin procesar, en el que las Para obtener respuestas a nuestra pregunta de investigación,
operaciones ganadoras se marcan con una variable ficticia realizamos una regresión de panel de efectos fijos. El modelo
que se fija en 1 si la operación arroja un rendimiento positivo final está representado por la ecuación (1).
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 Winratio it = ai + +
it it-1
decir, sólo operaciones con rendimientos positivos). b1DCapital b2DCapital
de cada operador en un día determinado (Cuadro 1). + b3DCapitalit—2 + b4DRatingit + b5DRatingit—1
Para medir el efecto de disposición, consideramos que la + b6DistanciaMáximait + b7Duraciónit
"distancia más alta" es el número de días transcurridos entre
+ b8PairsTotalit + b9TradesTotalit
la rentabilidad máxima que el operador podría haber
obtenido con esa operación concreta y el momento en que la + b10TradesTotalit—1 + b11Experienceit + eti
cerró. Esta información es comunicada retrospectivamente (1)
por el operador de la plataforma para cada operación. Así
pues, esta variable
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 F Glaser y M Risius
transparencia
Este enfoque nos permitió controlar (1) cualquier Consideraciones sobre la solidez
diferencia idiosincrásica invariable a priori entre los En el transcurso de la descripción de nuestro análisis,
operadores (es decir, rasgos personales, efectos situacionales) documentamos enfoques adicionales adoptados para
mediante la hipótesis de efectos fijos restringidos, (2) una comprobar nuestros resultados frente a valores atípicos,
tendencia temporal de aprendizaje (es decir, experiencia) y distribuciones sesgadas de las variables explicativas y
(3) cambios específicos del día (codificados con dummies) problemas de submuestreo. En esta sección, tenemos en
(que no se muestran explícitamente en las tablas ni en la cuenta brevemente las decisiones relativas a nuestro
ecuación en aras de la claridad), además de tener en cuenta la procedimiento de estimación econométrica que podrían
hipótesis de los cambios específicos del día, experiencia), y sesgar sistemáticamente los resultados.
(3) los cambios específicos del día (codificados con En primer lugar, una prueba de efectos no observados en
dummies) (que no se muestran explícitamente en las tablas o los residuos individuales rechaza la hipótesis nula y, por
ecuaciones en aras de la claridad), además de la tanto, justifica la modelización de los efectos individuales
consideración de los efectos focales hipotéticos del estilo del mediante una regresión de panel de efectos aleatorios o fijos
comerciante y las influencias sociales (Wooldridge, 2010). (Wooldridge, 2010). La elección de la estimación de efectos
Estos aspectos se controlaron teniendo en cuenta que cada fijos sobre la estimación de efectos aleatorios se basó en el
operador de la muestra podría estar dotado de herramientas rechazo de la hipótesis nula en el procedimiento de prueba de
únicas o rasgos personales distintivos. Se seleccionó un Hausman para la especificación errónea (Hausman y Taylor,
modelo de efectos fijos para controlar los efectos 1981). Por último, tuvimos en cuenta los patrones de
individuales que alteran el rendimiento, ya que el presente correlación en serie y heteroscedasticidad de los términos de
trabajo se centra en patrones sistemáticos comunes a todos error que suelen encontrarse en las regresiones de panel.
los operadores (Wooldridge, 2010). Se incluyeron variables Nuestros datos de panel no adolecen de ser un conjunto de
ficticias de tiempo para cada día con el fin de descartar los panel ''corto'' y, por lo tanto, las pruebas estándar de
efectos específicos del tiempo que influyen sistemáticamente correlación serial son factibles (Wooldridge, 2010). Tanto las
en los comerciantes (por ejemplo, efectos estacionales, pruebas de Breusch-Godfrey como las de Durbin-Wat- son
vacaciones, cambios meteorológicos) durante ciertos para la correlación serial rechazan la hipótesis nula que indica
períodos de tiempo (Wooldridge, 2010). Teniendo en cuenta correlación serial. Por lo tanto, necesitamos corregir estos
que los operadores aprenden con el tiempo y mejoran su efectos utilizando errores estándar robustos (Arellano, 1987).
rendimiento (Chiang et al., 2011), controlamos el aprendizaje
progresivo de un operador mediante el número de días Resultados empíricos
transcurridos desde la primera operación del operador en la Los resultados de la validación de nuestro modelo empírico
plataforma (es decir, la experiencia). con coeficientes beta normalizados se presentan en el cuadro
Por último, incluimos variables retardadas de capital, 3.
calificación y número de operaciones para permitir En general, los resultados respaldan nuestra hipótesis
inferencias de causalidad cronológica (es decir, la subyacente de que, en las plataformas de negociación social,
repetición de eventos que se suceden con un retraso el rendimiento del operador se ve afectado por las
razonable). Como señalan Abbey y Doukas (2015), la características de comportamiento e interacción de la
actividad de negociación de un operador diario en un plataforma (R ajustada2 = 13,77%, p \ .001). En
periodo anterior influye en el rendimiento de un operador concreto, los resultados también respaldan las relaciones
en el periodo actual. En cuanto a la interpretación de las planteadas anteriormente.
métricas, no consideramos los niveles (generalmente En cuanto al efecto de la duración (hipótesis 1) y la
bastante persistentes) de estas variables, sino las diferencias disposición (hipótesis 2), vemos que ambas características
de primer orden en comparación con el periodo anterior. Por afectan significativamente al rendimiento del operador.
ejemplo, DCapitalit—1 denota el cambio absoluto del Teniendo en cuenta la correlación de ambas métricas, esto
capital invertido en el comerciante i entre el periodo t - 2 significa que la duración de una operación sólo es positiva
y t - 1. Probamos modelos con mayores longitudes de mientras la posición discurra en la dirección favorable, es
retardo, pero no pudimos encontrar diferencias notables en decir, aumentando la rentabilidad. En cuanto la posición va en
cuanto al ajuste del modelo o las métricas analíticas de la dirección equivocada, es decir, se aleja del precio más alto
especificación. Además, los retardos adicionales no fueron y posiblemente entra en la zona de pérdidas, la duración de la
significativos. operación deja de ser positiva.
Cuadro 3 Los coeficientes se presentan como coeficientes beta (también denominados frecuentemente coeficientes normalizados)
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
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 F Glaser y M Risius
transparencia
Currie, W.L. y Lagoarde-Segot, T. (2016). Call For Papers: Finacialization and Pavlou, P.A., Liang, H. y Xue, Y. (2007). Understanding and Mitigating
Information Technology, Journal of Information Technology. Uncertainty in Online Exchange Relationships: A Principal-Agent Perspective,
Dewally, M., Ederington, L. y Fernando, C. (2009). Determinants of Trader MIS Quarterly 31(1): 105-136.
Profits in Commodity Futures Markets, Review of Financial Studies 26(10): Pelster, M. y Breitmayer, B. (2016) ¿Inteligencia de enjambre? Stock Opinions of
2548-2683. the Crowd and Stock Returns [documento WWW] http://dx.doi.org/10.2139/ssrn.
Doering, P., Neumann, S. y Paul, S. (eds.) (2015). A Primer on Social Trading 2787744 (consultado el 25 de agosto de 2016).
Networks: Institutional Aspects and Empirical Evidence. Philippon, T. (2015). Se ha vuelto menos eficiente el sector financiero
Epstein, G.A. (2005). Financialization and the world economy, Cheltenham, estadounidense?
Reino Unido: Edward Elgar Publishing. American Economic Review 105(4): 1408-1438.
Evans, A.L. (2008). Portfolio Manager Ownership and Mutual Fund Perfor- Robinson, D. (2014). El retorno del daytrader: ¿Se puede ganar la vida copiando a
mance, Financial Management 37(3): 513-534. otros inversores? [documento WWW] http://www.telegraph.co.uk/finance/
Falkner, R. y Corsthwaite, D. (2013). Mirror Trading y Social Media Marketing: personalfinance/investing/11123162/Return-of-the-daytrader-can-you-earn-a-
Reulatory and Business Risks [documento WWW] living-by-copying-other-investors.html (consultado el 29 de agosto de 2016).
http://de.slideshare.net/black swanpartners/black-swan-partners-reedreed- Rosov, S. y Foster, F.D. (2014). Customer Foreign Exchange Orders: When Timing
smithsocialtradingmarketingseminar booklet (consultado el 29 de agosto de Really Does Matter, Australian Journal of Management 39(3): 351-368.
2016). Ross, S.A. (2004). Compensation, Incentives, and the Duality of Risk Aversion
Fama, E.F. (1970). Efficient Capital Markets: A Review of Theory and Empirical and Riskiness, The Journal of Finance 59(1): 207-225.
Work, The Journal of Finance 25(2): 383-417. Sapienza, P. y Zingales, L. (2012). A Trust Crisis, Revista Internacional de
Fama, E.F. (1998). Market Efficiency, Long-Term Returns, and Behavioral Finanzas 12(2): 123-131.
Finance, Journal of Financial Economics 49(3): 283-306. Shefrin, H. y Statman, M. (1985). The Disposition to Sell Winners Too Early and
Farnsworth, H. y Taylor, J. (2006). Evidene on the Compenstation of Portfolio Ride Losers Too Long: Theory and Evidence, The Journal of Finance 40(3):
Managers, The Journal of Financial Research 29(3): 305-324. 777.
Fernandes, J.L.B., Pen˜a, J.I. y Tabak, B.M. (2010). Delegated Portfolio Shiller, R.J. (2005). Irrational Exuberance (2ª ed.), Nueva Jersey, EE.UU.:
Management and Risk-Taking Behavior, The European Journal of Finance 16(4): Princeton University Press.
353-372. Shiller, R.J. (2015). Irrational Exuberance (3.ª ed.), Nueva Jersey, EE. UU.:
Garner, C. (2012). Currency Trading in the Forex and Futures Markets, Nueva Princeton University Press.
Jersey, USA: FT Press. Siering, M. y Muntermann, J. (2013). How to Identify Tomorrow's Most Active
Hausman, J. y Taylor, W. (1981). Panel Data and Unobservable Individual Ects, Social Commerce Contributors? Inviting Starlets to the Reviewer Hall of Fame,
Econometrica 49: 1377-1398. en Proceedings of the International Conference on Information Systems 2013,
Hiraki, T., Liu, M. y Wang, X. (2015). Country and Industry Concentration and Milán, Italia.
the Performance of International Mutual Funds, Journal of Banking & Stoughton, N.M. (1993). Riesgo moral y el problema de la gestión de carteras,
Finance 59: 297-310. The Journal of Finance 48(5): 2009-2028.
Holmstrom, B. y Milgrom, P. (1991). Multitask Principal-Agent Analyses: Weber, M. y Camerer, C.F. (1998). The Disposition Effect in Securities Trading:
Incentive Contract, Asset Ownership, and Job Design, Journal of Law, An Experimental Analysis, Journal of Economic Behavior & Organi- zation
Economics, & Organization 7(Special Issue): 24-52. 33(2): 167-184.
Jacobs, H. y Weber, M. (2015). On the Determinants of Pairs Trading Wohlgemuth, V., Berger, E.S. y Wenzel, M. (2016). More than Just Financial
Profitability, Journal of Financial Markets 23: 75-97. Performance: Trusting Investors in Social Trading, Journal of Business Research
Jøsang, A., Ismail, R. y Boyd, C. (2007). A Survey of Trust and Reputation 69(11): 4970-4974.
Systems for Online Service Provision, Decision Support Systems 43(2): 618-644. Wooldridge, J.M. (2010). Econometric Analysis of Cross Section and Panel Sata
Keynes, J.M. (2013). The state of long-term expectation (4.ª ed.), Nueva York, (2ª ed.), Cambridge, EE.UU.: MIT Press.
EE. UU.: Cambridge University Press. Zhao, J.C., Fu, W.-T., Zhang, H., Zhao, S. y Duh, H. (2015). To Risk or Not to
Lagoarde-Segot, T. (2016). Financialization: Hacia una nueva agenda de Risk? en The 18th ACM Conference (Vancouver, BC, Canadá), pp. 95-104.
investigación. International Review of Financial Analysis, International Zulutrade. (2016). Página de inicio de Zulutrade [documento WWW] http://www.
Review of Financial Analysis publicación en línea anticipada 3 de abril, doi: zulutrade.com/index (consultado el 29 de agosto de 2016).
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), Sobre los autores
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. Florian Glaser es doctorando en la Universidad Goethe de
Lo, A.W. (2004). La hipótesis de los mercados adaptativos: Market Efficiancy Fráncfort (Alemania). Sus intereses de investigación se
from an Evolutionary Perspective, Journal of Portfolio Management 30(5): 15- centran en el ámbito de las innovaciones en las redes
29. financieras electrónicas en general y, en particular, en el
Neumann, S., Paul, S. y Doering, P. (2015) A Primer on Social Trading: comercio algorítmico y el diseño de sistemas blockchain.
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 Marten Risius es postdoctorando en la Universidad de
Other Types of Networks, Physical Review E 68(3): 1-8. Mannheim (Alemania). Sus intereses de investigación se
Oehler, A., Horn, M. y Wendt, S. (2016). ¿Beneficios del comercio social? centran en los ámbitos de la digitalización, la gestión de
Empirical Evidence for Certificates on Wikifolios, International Review of medios sociales y la analítica de medios sociales. Ha
Financial Analysis 46: 202-210.
publicado artículos en JSIS, Information & Management y en
Orlean, A. (2012). El conocimiento en las finanzas: Valor objetivo frente a
convención. Northamption, MA: Edward Elgar Publishing.
las actas de congresos de ECIS, HICSS y AMCIS.
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.
Efectos de la F Glaser y M Risius
transparencia