Ciencia de Datos con R

Métodos y herramientas para analizar flujos de información para su clasificación, ordenación y su aplicación a través de lenguajes de programación óptimos en su gestión.

Enlace relacionado: 

Sitio web oficial: https://roberto-delgado.com/

Resumen – Podcasts de IBKR Episodio 37

Lo siguiente es un resumen de una grabación de audio en vivo y puede contener errores de ortografía o gramática. Aunque IBKR ha editado para mayor claridad, no se han realizado cambios materiales.

Judith Casasampere:

Hola, bienvenidos al podcast de hoy dedicado al sector financiero y a la ciencia de datos. Conmigo tengo a Roberto Delgado Castro. Buenas tardes, Roberto.

Roberto Delgado Castro:

Buenas tardes Judith, es un honor, un privilegio compartir contigo este podcast y con toda la audiencia en América Latina y estoy seguro que alrededor del mundo.

Judith Casasampere:

Exacto, me gustaría empezar esta conversación con usted y presentándolo como un científico de datos, presentándolo como una persona, como un profesional que lleva muchos años estudiando la mejor manera de analizar muchísimos datos utilizando una metodología concreta, científica y que usted ya ha aplicado en el sector público y incluso ha publicado libros y tenemos el privilegio también de contar con artículos suyos en nuestro Interactive Brokers Campus. Por tanto, por favor explíquenos un poco brevemente a qué se dedica y luego ya empezamos con el podcast de lleno.

Roberto Delgado Castro:

Claro, Judith, yo tengo mi formación académica primaria, es de la Administración Financiera.  Yo tuve mi major universitario, pero con el paso de los años y eso hace más o menos una década, empecé a trabajar activamente enfocado, muy, muy enfocalizado en la ciencia de datos. Y el ecosistema en el que yo me he movido en los últimos años ha sido un sector público de Costa Rica en no solo en una, sino muchas instituciones públicas y he visto el impacto tan grande que tiene la ciencia de datos sobre, digamos, el que hacer profesional de todas las ramas de la actividad humana, es realmente impresionante. Entonces a través de los diferentes algoritmos que se pueden desarrollar en ciencia de datos me daba cuenta que las finanzas han cambiado para siempre. Tal cual las conocemos, tal cual nos formaron en la universidad, la ciencia de datos ha venido a cambiar el panorama del cuadro que originalmente nos pintaron. Por lo tanto la obra de arte actual es bastante distinta de la que vimos anteriormente y el culpable de eso ha sido el augea precisamente del trabajo con ciencia de datos. Y he sido testigo a lo largo de los años de ese cambio y me encanta participar de esa evolución tan tremenda que tenía.

Judith Casasampere:

Y de su divulgación y de continuar estudiándolo. Por tanto le quería preguntar primero de todo explíquenos más en detalle cuál sería el valor agregado o el impacto en la ejecución de los proyectos de ciencia de datos tiene con las finanzas en general y sobre todo con la tecnología que usted utiliza o las herramientas que usted utiliza que es R.

Roberto Delgado Castro:

Claro, R es para mí el lenguaje estrella de desarrollo cuantitativo de la ciencia de datos actual. Y bueno utilizado otro lenguaje como Python o SQL pero mayoritariamente R. Y como les contaba el concepto de finanzas en cualquiera de sus variantes puede ser finanzas de proyectos, finanzas de inversión, finanzas públicas, finanzas bursátiles, en fin las finanzas a nivel general que se conocía como una herramienta de administración, básicamente eso. La ciencia de datos la venía a dar un nuevo valor que ya no es finanzas en el concepto puro y estricto sino ya ese concepto varió a una idea de inteligencia donde ya no se tienen un número frío en un data frame o en un reporte o al cual sino que ya se tienen tendencias, se tienen por ejemplo modelos predictivos, modelos clasificatorios, se tiene un análisis mucho más profundo de por ejemplo comparación de valores de diferentes series de tiempo. En fin, una serie de elementos que le hacen al administrador financiero o al inversionista pasar de números crudos a pasar a elementos de alto valor agregado. Entonces la experiencia que yo he tenido es que las finanzas han cambiado ya no son finanzas en el puro estricto concepto sino que ya se enfoca más hacia un tema de inteligencia del mercado, inteligencia en la gestión, que la información sea capaz de dibujar panoramas que de otra forma sin el uso del lenguaje de programación de ciencia de datos sería imposible conocer.

Judith Casasampere:

Si nos vamos ya a temas concretos, Roberto, temas de cómo se aplica esa ciencia de datos, se ha hablado de modelos predictorios, ha hablado de modelos obviamente de análisis de esos datos. Pero en aplicaciones concretas para que también la audiencia, las personas que puedan estar interesadas en obtener todos esos datos y empezar a trabajar con ellos vean también otras aplicaciones que usted ya ha experimentado con ellos.

Roberto Delgado Castro:

Claro, hay áreas estratégicas donde la ciencia de datos tiene un impacto brutal sobre la finanzas, repito en cualquiera de sus variantes. Primero la ciencia de datos es capaz de dar un paso al frente importantísimo en el análisis cuantitativo de lo que sea. No es solamente desarrollar por ejemplo operaciones aritméticas, ver de pronto tablas estáticas de información financiera sino que el análisis tiene que ir muchas millas más adelante para dar ese valor agregado y eso es muy importante. Y en el análisis cuantitativo es una área super profunda de la ciencia de datos donde se puede obtener información muy muy valiosa de cualquier tipo de base de datos financiera. Otra área no menos importante y está en absoluta boga hoy día son los algoritmos o los modelos de machine learning, que vienen a dar un tratamiento diferenciador de información en aras de proporcionar un importante valor sobre todo estrategia. Otra área donde puede haber un importante impacto es como les explicaba en los modelos predictivos, ¿qué tanto conoce el desarrollador de modelos predictivos? ¿qué tanto conoce sobre calibrarlos y que tanta calidad y de la información en sumo para generar una estimación de precios, una estimación de costos, una estimación de gastos, ingresos, una estimación de rentabilidades? En fin con base en una serie de elementos del entorno. Además de los modelos predictivos es muy importante también tomar en cuenta los modelos clasificatorios, ordenar la información.

Está muy muy demo actualmente utilizar los análisis de closterización de clusters para digamos clasificar la data en aras de ordenarla para visualizarla mejor y eventualmente valorar mejor los elementos del mercado. Y por último yo pienso que todos estos elementos de ciencidatos van a desembocar o están desembocando hoy día y eso lo vemos todos los días en un tema de automatización de procesos, sobre todo a la hora de analizar información. Todos los días hay información financiera de muchas fuentes y el desarrollo de modelos para automatizar ese análisis son posibles a través de las políticas y los procedimientos de ciencidatos. Entonces el mercado casualmente lucha por minimizar el tiempo, minimizar el esfuerzo, minimizar el error en aras de tener la mayor cantidad posible de información y tomar las mejores decisiones posibles.

Judith Casasampere:

Claro y Roberto ya se nos vamos a la experiencia que usted tiene en el sector público ya de Costa Rica. O sea hemos visto ya la ciencia, hemos visto las aplicaciones, hemos visto todo lo que sería los detalles que usted nos ha explicado de temas cuantitativos, algorímicos, predictivos, clasificativos de automatizaciones. Pero ya en el sector público ¿qué es lo que usted ha visto en las finanzas públicas con la ciencia de datos? Porque efectivamente los gobiernos acumulan datos de todos tipos y por eso igual es de todo una, todo una, como se podría llamar.

Roberto Delgado Castro:

Por supuesto. Claro, claro todos conocemos, verdad, sobre todo en la experiencia en América Latina y especialmente en Costa Rica que es donde yo me he desarrollado, el ecosistema de trabajo. Los estados, los gobiernos administran cientos de miles de millones de toneladas de datos en el sector público. Muchas veces esos datos se quedan sin ser procesados y lo que es peor aún se quedan sin ser analizados en aras de tomar decisiones que envuelven a todos en un país, nos envuelven a todos. Entonces un asierto del gobierno nos beneficia a todos pero un desacierto en el estado nos daña también a todos y esos asiertos o esos desaciertos básicamente pasan por el hecho del tratamiento de la información. ¿Qué políticas de tratamiento de información se aplican en aras de manipular, clasificar, ordenar y poder generar valor a partir de esos cientos de miles de millones de toneladas de datos?

Y casualmente, toda mi experiencia en ciencia datos ha estado inmersa en el mundo del sector público y a través del trabajo que yo he desarrollado me ha dado cuenta que la ciencia de datos en el mundo estrictamente financiero es una herramienta maravillosa para administrar flujos efectivos por ejemplo. Lo flujo de caja del Estado son inmensos de mucha variada índole, entonces a través de los lenguajes es posible ordenar toda la información, canalizarla adecuadamente, dar un correcto tratamiento y desembocar con productos de buena calidad para ir dando seguimiento al uso de los recursos de los contribuyentes. También es una herramienta fantástica para analizar la rentabilidad de los proyectos de inversión del gobierno. Eso es muy importante.

El gobierno administra mucho dinero del mercado y ejecuta al mismo tiempo una gran cantidad de proyectos y eso conlleva obviamente un trabajo financiero bien grande y la ciencia de datos es una herramienta sensacional para eso. Por otro lado y no menos importante también está el análisis presupuestario. El gobierno es todo presupuesto y estoy seguro que alrededor del mundo es la misma regla. Todo tiene que ver con presupuesto, ingresos, egresos, déficit o superávit. Esa es la religión del sector público y desde el ministro de Hacienda hasta el funcionario de más bajo nivel todo pasa por el presupuesto.

Entonces se manejan toneladas de líneas de presupuesto y eso implica petabytes de data y esos petabytes la única forma de darles tratamientos a través de lenguajes de programación. Y la experiencia que yo he tenido ha sido muy positiva a la hora de manejar inmensos volúmenes de información. Pero también el gobierno se financia como cualquier estado, se financia de fondos propios, verdad que es fondos de ahorro de comillas y también se financia de obviamente de fuentes externas. Ahí hay emisión de bonos soberanos, emisión de bonos de deuda interna, tarifas. Exactamente. Entonces todos esos instrumentos de deuda verdad son de muy variada índole.

Las tesorarias nacionales emiten una gran cantidad de instrumentos de inversión de financiamiento externo, verdad. Y entonces se vuelve una data bien grande y bien variada y los lenguajes de programación son fantásticos para manejar esta, digamos este volumen grande de mecanismos y darle seguimiento. Y al final lo que yo siempre he estado convencido es que de todas las toneladas de datos que manejan el sector público, el R en este caso que la experiencia que yo manejo es una herramienta excelente y muy eficiente para construir y dar seguimiento a un área de la ciencia de datos que se conoce como las series de tiempo. ¿Cómo evoluciona una serie de tiempo? Y es un es un valor cuantitativo, una variable numérica que cambia en el tiempo, verdad, varía y produce, verdad, la posibilidad de generar un valor agregado clave para los jerarcas, los tomadores de decisión, los diseñadores de política pública para determinar cómo han evolucionado diferentes variables. Me refiero a datos presupuestarios, datos financieros, datos de endeudamiento, precios de instrumentos, costos de proyectos, infraestructura, en fin, todo lo que ustedes o cualquier persona puede imaginarse del sector público. Pero básicamente el escenario pasa porque es una herramienta fantástica, la ciencia de datos y el repara, digamos, englobar, analizar y generar valor a través de la análisis de datos cuantitativos.

Judith Casasampere:

Muy bien. Y si todos estos conocimientos que usted ha tenido a través del universo que hay de datos en el sector público, los quisiéramos aplicar a lo que sean los mercados para que nuestros traders pudieran aprovechar, ¿qué apuntes nos podría dar para que los series pudieran también profundizar en la ciencia de datos y en la utilización del R?

Roberto Delgado Castro:

Por supuesto, por supuesto, para los traders y para los inversionistas en América Latina y al redor del mundo, el pan de todos los días es el monitoreo de las, lo que llamó las macro cifras de los diferentes países. Están revisando todos los días a cada minuto los precios de los instrumentos de deuda, acciones, bonos, en fin, porque han, obviamente, tratando de maximizar su nivel de rentabilidad y basado en buenas decisiones de compra de instrumentos. Y obviamente eso está, digamos, se complementa con lo que ha venido dándose con la transparencia de datos públicos de los gobiernos que cuelgan en la web datos abiertos de diferentes elementos, bonos, instrumentos de deuda, cualquier cosa que tenga que ver con inversión bursátil o inversión, digamos, de instrumentos alrededor del mundo. Entonces hay un encuentro entre los inversionistas, que son los elementos o las personas super habitarias que quieren invertir su dinero y se encuentran con los estados en el sector público o porque no muchas empresas del sector privado que compartan datos abiertos en instancias oficiales. Entonces se da ese join entre estos dos participantes y se da un link, un click donde se da una decisión de inversión.

Ahora, R, ¿porque es importante para un inversionista? Porque le puede dar la posibilidad de manipular, ordenar, clasificar la información que encuentra de datos públicos en instancias oficiales para tomar su mejor decisión. Entonces en este caso, la ciencia de datos a través de R se convierte en un scanner de alta definición y de alto rendimiento que le va a permitir al inversionista tomar una buena decisión basado en un buen manejo de los datos. Y eso es clave, eso es absolutamente claro. Entonces es tan importante desde el acceso a información de calidad como el uso de herramientas de calidad. Entonces en este caso, entre mejor sea el scanner, mejor es la foto que se toma y con base en esa foto que tiene el mejor pixelaje posible, el inversionista puede tener la capacidad de minimizar el riesgo por un lado y de maximizar el valor de su propia decisión financiera.

Judith Casasampere:

Claro. Y considera que estos datos que ha dicho usted, son obviamente importantísimos a la hora de tomar decisiones, pero si ahora me voy un paso para atrás y he preguntado antes un poco cómo podía un inversionista aprender sobre ellos y usted me dice, hay fuentes de datos públicas. Obviamente incluso Interactive Brokers en tiempo real, estamos dando todo lo que serían esos datos de previsiones económicas, de datos de noticias que están saliendo constantemente de los balances de las distintas economías o de las distintas empresas que cotizan en los mercados, de las divisas que están cotizándose en los mercados. ¿Cuál sería la mejor manera de practicar, aprender? Si usted fuera incluso un estudiante, quisiera ahí masterizar su ciencia de datos, ¿qué le estaría diciendo usted a ello? ¿Cómo hacer los tests? ¿Cómo hacer todas estas cosas? ¿Qué herramientas en concreto tendríamos que utilizar?

Roberto Delgado Castro:

Si, esa es una excelente pregunta Judith, y qué dicha que la menciona, porque y basado en mi propia experiencia personal, uno siempre tiene que ir como uno nunca tiene que dejar de ser un estudiante. Por más experimentado o por más ducho que uno sea en algo, uno nunca deja de aprender. Entonces, basado en esa premisa, uno siempre tiene que ir de menos a más y R, como cualquier lenguaje de programación, ciencia de datos, como cualquier disciplina profesional, técnica, cuantitativa, lleva su nivel de complicación. Entonces, en el tanto, un inversionista o una persona que está interesada en monitorear el mercado por medio de lenguajes de programación, por medio de la ciencia de datos, basta con descargar pequeñas bases de datos, muy simples, y aplicarles algoritmos de clasificación, de análisis cuantitativo para ir poco a poco avanzando y aumentando el nivel de complejidad bajo una regla de oro. Judith, eso es muy importante. Nunca detenerse, uno tiene que ir pasito a pasito avanzando centímetros, centímetros, pero sin detenerse.

Uno no gana nada avanzando muchos metros, pero cada cinco años, es mejor avanzar, dos milímetros diarios, pero todos los días. Entonces, un trader, un inversionista que está monitoreando el mercado, en este caso que se lleva algo tan volátil y tan cambiante, como las divisas, como los bonos soberanos, como las acciones, en fin, todo lo que se da en el mundo bursátil, basta nada más con descargar pequeñas bases de datos e ir aprendiendo. Va a llegar el momento basado en su propio aprendizaje, en que ya va a poder trabajar grandes volúmenes de información y se van a dar cuenta que el vaso comunicante, es decir, la regla general es exactamente la misma, es el mismo principio. A una base de datos pequeñita, a una base de datos de cinco petabytes, es lo mismo. Entonces, el aprendizaje tiene que ser continuo y tiene que ser constante, pero ahora es maravilloso porque hay información en tiempo real en la palma de la mano, antes había que ir, esperar hace dos, tres días o que se dio varias semanas, a que los gobiernos desplegaran sus datos, a que las empresas desplegaran sus datos y que el mercado diera sus reportes, ahora yo entro a la página Interactive Brokers y la información es en tiempo real, es impresionante. Entonces, la información existe, ahora lo que tiene que aplicarse es una constancia en el aprendizaje y en la aplicación de sinceratos a cosas de menos a más.

Judith Casasampere:

Y ahí me dejas perfectamente claro que también Interactive Brokers, a través de todo lo que sería la página web de Interactive Brokers, en la parte de campus de Interactive Brokers y en la parte de Quant, que es donde están toda esa información de R, de otros sistemas de programación, de otros sistemas de análisis de datos. Es donde realmente todo el mundo puede ver que su propio universo de conocimiento se vaya expandiendo y poder ir practicando y poder ir mejorando los resultados de todos a nivel de finanzas personales, de finanzas obviamente de mercado y como no de entender más a los gobiernos también de cómo analizan los datos.

Roberto Delgado Castro:

Por supuesto, yo siempre y eso es un valor muy ferviente que siempre he defendido como parte de mi experiencia en el quant, es que el campus de Interactive Brokers es una de las más grandes maravillas tecnológicas de la humanidad. Porque mezcla la tecnología de punta, mezcla la ciencia datos aplicado al mundo financiero, pero muy importante, mezcla la socialización del conocimiento, eso es uno de los grandes principios de R. R, como lenguaje de ciencia abierta, se socializa y se comparte en el mundo sin ningún costo, la gente comparte su conocimiento, su experiencia, por eso el estar acá con usted, para mí es un honor muy grande porque me da la oportunidad de compartir lo que he aprendido y para mí eso vale muchísimo.

Judith Casasampere:

Roberto y para nosotros es un lujo tenerle aquí, tenerle aquí en este podcast, tenerle aquí en Interactive Brokers participando en nuestro campus también asiduamente y muchísimas gracias por este tiempo que he dedicado para nosotros, muchísimas gracias, Roberto.

Roberto Delgado Castro:

No, el honor es mío, el agradecimiento y nos veremos en otras ciber instancias.

Judith Casasampere:

Encantada.