Por qué importa la calidad de los datos de mercado en el trading de materias primas

Una proporción sorprendente de las incidencias que se reportan como errores de aplicación en un ETRM (P&L incorrecto, cifras de riesgo poco fiables, valoraciones que no tienen sentido) se remonta en realidad a problemas de calidad de los datos de mercado, no a la lógica de la aplicación. A menudo el ETRM no es más que el mensajero que reporta las consecuencias de unos datos que ya eran erróneos antes de llegar.

Qué abarca realmente la “calidad de los datos de mercado”

La calidad del dato no es una propiedad única. En un contexto de trading suele descomponerse en:

• Integridad: si todos los precios que espera están efectivamente presentes, sin huecos silenciosos
• Exactitud: si el precio coincide con lo que realmente se negoció o se cotizó en el mercado
• Puntualidad: si el dato llegó a tiempo para utilizarse en la decisión a la que debe dar soporte
• Coherencia: si los instrumentos relacionados (por ejemplo, los puntos individuales de una curva) se mueven en una relación económicamente razonable entre sí
• Trazabilidad: si sabe exactamente qué fuente, y qué lógica de respaldo en su caso, produjo un valor determinado

Por qué un dato erróneo sale caro

Un único precio erróneo que alimente una valoración puede distorsionar el P&L, falsear un informe de riesgo o, en el peor de los casos, influir en una decisión de trading tomada sobre la base de una cifra que nunca fue real. Como los datos de mercado alimentan prácticamente todos los cálculos posteriores, un problema de calidad no se queda contenido en un informe: se propaga al P&L, al riesgo y a menudo a la liquidación.

Dónde se originan habitualmente los problemas de calidad del dato

Según nuestra experiencia investigando estas incidencias, la causa raíz rara vez es un fallo espectacular. Suele ser una de unas pocas carencias estructurales y silenciosas:

• Introducción manual de datos o cargas de ficheros sin ningún paso de validación automática
• Lógica de respaldo o valores por defecto (usar un precio obsoleto cuando un feed se retrasa) que nadie documentó y de cuya existencia ni siquiera se es consciente
• Desajustes en los datos maestros: el mismo instrumento nombrado de forma ligeramente distinta en dos sistemas
• Ausencia de monitorización para detectar cuándo un feed deja de actualizarse en silencio, en lugar de fallar de forma visible

Cómo es un proceso maduro de calidad del dato

Los negocios que no se ven perjudicados por los problemas de calidad del dato suelen tener la validación integrada en el propio pipeline, no añadida después como una revisión manual: comprobaciones de límites y rangos, umbrales de variación diaria, comparación entre fuentes cuando varios proveedores cotizan el mismo instrumento y un marcado claro y visible siempre que se utilice un valor de respaldo o por defecto en lugar de una observación real de mercado.