Por @Alvy — 27 de Noviembre de 2018

Does Twitter Conversation Have an Effect on Tesla’s Stock Price? / Lena Höck

Lena Höck es una analista que está convencida de que lo que se dice en Twitter sobre el stock de Tesla afecta a su cotización.

Para el análisis empleó todos los tuits de 2018 en los que aparecían algunos picos de actividad muy marcados, junto con los datos de Tesla en el Nasdaq [TSLA]. Primero vió cómo aumentaba el nivel de conversación cuando se envió un Tesla Roadster rojo al espacio, durante la broma del día de April’s Fools (que Tesla estaba en bancarrota) o cuando Elon Musk soltó el tuit acerca de un fondo soberano de Arabia Saudí que podría ayudarle a recomprar la compañía – quizá estando un poco «fumado», todo sea dicho.

Does Twitter Conversation Have an Effect on Tesla’s Stock Price? / Lena Höck

Según su investigación, cuando «se habla de Twitter» tras alguno de los tuits de Elon Musk se producen los mayores cambios porcentuales diarios –ya sean para bien o para mal– lo cual indicaría cierta correlación. Aunque, ¡ojo cuidao! ya sabemos que correlación no implica causalidad y estas cosas hay que mirarlas muy, muy a fondo. Pero esto es lo que dice la experta, que se dedica a esto a tiempo completo, y que además recomienda analizar si a empresas cotizadas les sucede lo mismo. Aunque no tengan un Musk al frente.

Compartir en Flipboard  Compartir en Facebook  Tuitear
Por @Alvy — 15 de Noviembre de 2018

Promoting Pollution-Free Routes in Smart Cities Using Air Quality Sensor Networks

Unos científicos de la Universitat Jaume I de Castellón publicaron este verano en Sensors un trabajo titulado Promoting Pollution-Free Routes in Smart Cities Using Air Quality Sensor Networks. La idea es sencilla: ofrecer en el navegador del coche formas de ir de un lado a otro minimizando la contaminación presente en esas rutas.

La forma de hacerlo es utilizando los estudios de calidad del aire ya existentes y los indicadores históricos de índices de calidad del aire (como el Portal de calidad del aire del Ayuntamiento de Madrid) donde se publica esa información obtenida por los sensores repartidos por la ciudad en forma de datos abiertos que cualquiera puede consultar.

Para la prueba de concepto utilizaron la ciudad de Madrid y consideraron los valores de diversos tipos de mediciones (en particular las famosas «partículas en suspensión» PM2.5, PM10, dióxido de nitrógeno y ozono) con datos históricos de algunos meses de 2017 en horario diurnas. Para los mapas utilizaron ArcGIS; como puede verse en el ejemplo se superponen colores verde/amarillo/rojo a los mapas convencionales.

De ese modo la ruta para ir de A a B acaba no siendo todo lo «directa» que sería en un navegador convencional, requiriendo rodeos, pero lleva a quien lo usa por zonas con el aire menos contaminado, ya sea a la hora de ir en coche, bicicleta o andando.

Compartir en Flipboard  Compartir en Facebook  Tuitear
Por @Alvy — 10 de Septiembre de 2018

Jim H. Simons (1938–) es un matemático del MIT y Berkeley que hace tiempo llegó al nivel de lo que los americanos llaman billonario; su fortuna se calcula en 2018 en unos 20.000 millones de dólares (puesto #24 del mundo según Forbes). Ricos como él hay unos cuantos, pero su mérito está en que obtuvo esa enorme fortuna aplicando las matemáticas al mercado de valores – aunque el buen hombre es bastante discreto a la hora de explicar sus técnicas y apenas concede entrevistas.

Encontré un par de vídeos en los que cuenta su historia en primera persona: uno de un TED con el mismísimo Chris Anderson de entrevistador y otro de Numberphile. Ambos merecen la pena y se complementan bien para entender al personaje, su vida y su carrera.

Su historia es una curiosa sucesión de profesiones: primero estudió en el MIT, fue profesor y publicó su doctorado en Berkeley y luego pasó a trabajar en la NSA (Agencia de Seguridad Nacional) donde la contrataron para romper códigos criptográficos. De allí le echaron a finales de los 60 por estar en contra de la guerra de Vietnam; luego IBM le fichó para que intentara romper la criptografía de Lucifer, un sistema de cifrado precursor del DES.

Su mayor trabajo matemático fueron las llamadas Formas de Chern-Simons que llevan su nombre y están relacionadas con las invariantes geométricas en diversas dimensiones; algo complicado pero que tiene su origen en la característica de Euler y que explica en versión simplificada en el vídeo TED. Resulta que luego los físicos encontraron aplicaciones para esas ideas en la teoría de cuerdas y las han venido usando desde entonces – todo esto para su gran sorpresa, porque él no tenía «ni idea de física».

El momento clave en su vida fue cuando decidió aplicar las matemáticas al mercado de valores. Al principio contaba con sus ahorros, el dinero de su padre (que tenía una fábrica de zapatos) y «el dinero de otra gente» y reconoce que tuvo bastante suerte en los 70 porque no sabía mucho de cómo funcionaba eso al empezar. Básicamente había creado un fondo de inversión de alto riesgo que llamó Renaissance Technologies.

El punto de partida de Simons era que la hipótesis del mercado eficiente era incorrecta. Según esta teoría los sujetos participantes en el mercado y la información disponible tienden a producir un equilibrio y los títulos acaban teniendo «el valor que les corresponde». Negar esta hipótesis era (o es) poco menos que anatema en aquellos días.

Su idea negando estas hipótesis pasaba por encontrar patrones y anomalías, un santo grial que todo economista, broker y matemático ha buscado. De modo que comenzó a acumular datos –primero a mano, porque eran los 70 y no todos los datos estaban informatizados– y luego con los primitivos ordenadores de la época. Esos datos incluían cotizaciones históricas, tipos de interés, noticias… pero también datos inusuales como la meteorología de cada día. Si había alguna correlación en los datos que permitiera predecir mejor los precios, la aprovecharía. Su equipo de matemáticos e informáticos que había ido contratando básicamente estaba usando aprendizaje automático (machine learning) para resolver el problema.

Aquí es donde Simons no revela mucho más excepto que encontró unas cuantas de esas anomalías, que en sí mismas no eran decisivas ni muy notables pero que acumuladas a lo largo del tiempo producían un beneficio. Todo era estadística, algo de probabilidad y aprendizaje automático. (Además de cobrar unas enormes comisiones a sus clientes, que las aceptaban encantados). Todo esto –dice– funcionó bien en los 70 e incluso los 80, cuando mucha gente empezó a usar las mismas ideas y dejaron de ser prácticas. Desde entonces y hasta que se retiró ya en los 2000 su trabajo consistió en acumular más datos e intentar correlacionarlos, buscando más métodos para encontrar anomalías y hacerlo de forma eficiente.

En la carrera de Simons hay también dos claroscuros: el negativo, que durante años le acusaron de evasión de impuestos aprovechando ciertos «agujeros legales» del mercado de valores (la clásica optimización fiscal), de la que parece salió airoso tras algunas reprimendas. En el positivo, que ahora utiliza todos esos millones que ha acumulado para una importante labor filantrópica que beneficia a la ciencia básica: matemáticos, físicos, biólogos, astrónomos, informáticos e instituciones que reciben importantes donativos y becas de su fundación para investigar en todo tipo de temas.

Compartir en Flipboard  Compartir en Facebook  Tuitear
Por Nacho Palou — 7 de Agosto de 2018

Este vídeo es una animación artística que muestra visualmente la teoría de cómo era Marte hace miles de millones de años, cuando su atmósfera era más gruesa y tenía agua líquida en la superficie de forma muy parecida a como existe en la Tierra.

El modelo se ha creado utilizando la orografía marciana actual y no la de entonces —la de hace miles de millones de años— rellenando con agua las depresiones de la superficie y agregando modelos de nubes. Por tanto las localizaciones para el océano antiguo se basan en altitudes actuales y no de entonces, explican en Mars Evolution from Wet to Dry.

Imagen: NASA/MAVEN/Lunar and Planetary Institute

Compartir en Flipboard  Compartir en Facebook  Tuitear