El enfoque anterior es una forma bastante fiable de aproximar el elemento sorpresa de las noticias, porque es el que mueve los precios.
El problema aquí es cómo calibrar el consenso con el que la noticia puede generar (o no generar) una sorpresa; y cómo se intenta medir eso.
De lo contrario, es fácil entrar en juegos como los siguientes:
Escenario A - XYZ Inc sorprende al mercado con un desplome de los beneficios, las acciones bajan un 10%. OK, simple...
Escenario B: el mercado se hace eco de los problemas de XYZ en las semanas previas a la presentación de sus resultados, y la acción baja un 10% (pero sin titulares). Entonces se confirman los temores del mercado. La acción se desploma.
Escenario C: el mercado se da cuenta y reacciona de forma exagerada porque teme que el problema sea peor de lo que realmente es. Los rumores se mencionan en la prensa, pero quizá no exactamente al mismo tiempo, ya que las acciones caen un 15% en las semanas previas a los resultados. Cuando XYZ informa de un problema importante, pero limitado y definido, se produce un rally de alivio del 5%.
¿Cómo se supone que es el resultado, la respuesta correcta para el "impacto", aquí?
Está claro que en todos los escenarios, XYZ vale un 10% menos que una XYZ sin su problema. Pero no está claro cómo se supone que se obtiene ese resultado sin la empresa limpia contrafactual. Además, mi ejemplo anterior es en cierto modo un poco simplista. Es unidimensional: XYZ tiene el problema, y la única parte móvil son las expectativas del mercado (no medibles) en torno a esto. La realidad es más complicada, porque tanto la probabilidad de que se produzca como las expectativas son fluidas. Y lo que es peor, si una empresa tiene un aviso de beneficios y el resto del sector también está a la baja, cuándo cesa la correlación normal del mercado y comienzan las revisiones de expectativas de segundo orden. Este ejercicio se vuelve rápidamente muy complicado.
Si está dispuesto a permitir que las noticias expliquen a veces las crisis de los precios -pero está dispuesto a que esto funcione a veces, es decir, que no sea consistente ni fiable-, se puede hacer.
Si se produce un evento que lo sea:
- creíblemente imprevisible (las fusiones son el clásico), una incógnita conocida (se emitirá una multa, pero la cuantía es una incertidumbre genérica) o es materialmente divergente de una expectativa publicada previamente (los resultados de la empresa frente al consenso de los analistas es el caso obvio; o las noticias macro frente a las expectativas de los economistas).
- Y la reacción direccional de los precios del choque es consistente con la naturaleza del choque
- Y el movimiento del precio es coincidente (el retraso es de segundos o minutos) con la noticia
Entonces es justo concluir que las noticias "causaron" el movimiento de los precios. El movimiento es significativo: Ha sucedido "algo" que ha tenido señal y ruido. La correlación/asociación es evidente. La causalidad es razonable: ¡los reguladores no multaron a la empresa por la caída de sus acciones a 1401 el viernes pasado! Y no hay una explicación superior.
Pero esto equivale a aceptar que se puede captar el escenario A anterior; y el proceso se ensucia más cuando se empieza a relajar cualquiera de las restricciones.
En su día, teníamos un spreadie de Excel. Pulsaba el botón para ejecutar la macro que hacía girar una ruleta con pitidos al estilo de Las Vegas. Esto hacía que aparecieran "conversaciones sobre fusiones", "JP Morgan compró/vendió 500", "rumores de interés de la riqueza soberana de Oriente Medio", "prueba de misiles de Corea del Norte", "temores sobre el próximo roadshow", etc. Lo cual era una alternativa divertida (los clientes participaban en la broma) a "No lo sé, amigo. Te avisaré si me entero de algo". Pero también fue un antídoto eficaz contra la basura "explicativa" que debe insertarse en la corriente de noticias que pasan por Bloomberg, CNBC y otros.
Nadie niega que las noticias mueven los precios... sólo que, con demasiada frecuencia, parecen hacerlo de forma misteriosa.
