Artigo escrito por Robert Simek, diretor de produtos para análises do sell-side da Bloomberg.
A evolução rápida da tecnologia e da gestão de dados permite que traders do sell-side desenvolvam seus negócios com uma redução de atrito nos fluxos de trabalho e a utilização de analytics para melhorar o processo de tomada de decisão.
“À medida que a necessidade por boas negociações cresce e a lucratividade diminui, ter automação e analíticos se faz fundamental ao invés de opcional”.
No entanto, a automação não acontece do dia para a noite. A transição para fluxos de trabalho totalmente automatizados é uma jornada que exige a adoção de uma série de etapas de desenvolvimento por parte das empresas. Sem uma única solução, cada etapa requer uma abordagem diferente, conforme o tipo e tamanho da mesa de operações (trading desk).
Como veremos adiante, o status de uma mesa ao iniciar esta jornada dependerá de vários fatores, especialmente o volume de dados que consome e gera.
Quatro etapas
A trajetória da automação tem quatro etapas. O início é marcado pela simplificação, na qual são inseridos atalhos que economizam tempo, como o pré-preenchimento de boletas de ordem por meio do uso de tecnologia de processamento de linguagem natural.
As próximas duas etapas empregam o uso de regras para controlar ações baseadas em feeds de dados, como as comunicações entre os traders.
A primeira delas, a etapa baseada em regras fixas, aponta instruções rudimentares que podem iniciar ações com base na apresentação de estímulos. Um exemplo realista poderia ser uma instrução para utilizar preços atuais toda vez que uma ordem de negociação de volume inferior a 50 for recebida.
No entanto, as regras fixas são rígidas e respondem apenas a instruções específicas. Estas regras precisam de ajustes manuais, conforme as condições de mercado mudam.
A próxima etapa, baseada em regras dinâmicas, é caracterizada por uma tecnologia que proporciona maior flexibilidade e adaptabilidade ao conjunto. Esta tecnologia utiliza fontes mais sofisticadas que podem explorar dados recentes de mercado para tomar importantes decisões de negociação.
E finalmente, a análise preditiva que é uma etapa em que softwares, como sistemas de machine learning, exploram dados históricos para identificar padrões que podem ajudar traders a prever tendências futuras em determinados níveis de probabilidade.
O progresso na evolução da automação é marcado por uma crescente necessidade de dados – e pela geração de dados – à medida que os processos se tornam mais complexos e sofisticados.
De fato, os dados são o combustível que impulsiona a automação. As empresas perceberão que cada estágio de sua transição cria quantidades cada vez maiores de dados que as impulsionam ainda mais para um modelo de maturidade. O mais importante é o foco em conjuntos de dados limpos, normalizados e enriquecidos que possam ser confiáveis.
Uma questão de escala
Antes de embarcar nesta jornada, as mesas de operação precisarão discutir e estabelecer o nível de automação mais adequado. Uma das primeiras perguntas que precisarão responder é que tipo de mesa que elas operam. Mesas de zero, low- e high-touch podem se beneficiar de processos mais simplificados, mas precisarão aplicar a tecnologia de formas diferentes.
As classes de ativos que negociam também terão um impacto. Por exemplo, os altos volumes de negociações que ocorrem nas mesas de taxas terão um fluxo de trabalho e requisitos de dados completamente diferentes dos traders de hipotecas, cujo resultado será substancialmente menor.
A localização de uma mesa também importa, considerando que a negociação está sujeita a controles regulatórios independentes em diferentes partes do mundo. O tipo de cliente das mesas de operações também terá influência.
Levando em conta dados e estas outras questões, concluímos que os vários estágios de maturidade provavelmente serão dominados por certos tipos de empresa. As mesas high-touch e focadas em relacionamentos tenderão a estar mais nos estágios iniciais, concentrando-se na coleta de dados de negociação por voz.
Soluções da Bloomberg
A Bloomberg trabalha com clientes em diferentes estágios da automação, o que a permite oferecer soluções que possibilitam aplicações em fluxos de trabalho e soluções de dados necessárias para qualquer situação específica.
Os clientes definem o nível de automação em que operam e a Bloomberg sugere as soluções mais adequadas para ajudá-los a crescer.
A Bloomberg desenvolve, e continua a aprimorar, produtos que permitem às empresas reduzir o tempo necessário para tomar decisões de negócios. Entre eles, ferramentas para ajudar clientes a automatizar a estruturação e a criação de negociações diretamente a partir de comunicações, o que economiza tempo, reduz erros e captura dados de valor.
O conjunto de analytics enterprise do sell-side da Bloomberg pode ajudar as mesas de operação a entender melhor liquidez e a encontrar oportunidades de negociação ao agregar o fluxo de negociação de forma abrangente.
Os dados são fundamentais para o bom funcionamento das instituições financeiras, porém, muitas vezes, são mal compreendidos e exigem esforços para produzir conjuntos de dados que impulsionem a automação. Há desafios enormes para as empresas no que diz respeito à gestão e ao armazenamento de dados de forma segura e eficiente. E ter acesso rápido a uma ampla gama de conteúdo estruturado e não estruturado tornou-se um requisito básico.
A Bloomberg oferece soluções para estes e demais obstáculos. Os conjuntos de dados, as análises e os serviços de hospedagem robustos e líderes do setor da Bloomberg fornecem a inteligência vital para impulsionar a transformação da automação para todos os tipos de mesas de operação.