¿Puede la inteligencia artificial dominar el juego de la bolsa?

La inversión financiera puede parecer un juego como el ajedrez. En lugar de mover torres, peones o alfiles, se compran acciones, fondos o depósitos. En lugar de dar mate o hacer tablas, se consiguen mayores o menores rentabilidades con un determinado riesgo. A primera vista unas reglas bastante simples, aunque con cierta complejidad a la hora de jugarlo.

Todos sabemos que los juegos, incluso los más complejos como el ajedrez, hace tiempo que han sido dominados por las máquinas (BlueDeep venció a Kasparov en 1996). Podemos pensar, por tanto, que si la inversión es un juego podría ser dominada fácilmente por las potentes tecnologías de Inteligencia Artificial existentes hoy en día. En mi opinión, no es probable que esto suceda en el futuro cercano. ¿Por qué? Pues porque la inversión no es el juego simplista que parece a primera vista.

Centrémonos en la inversión en acciones. Si se quiere hacer bien, hay que valorar la empresa que las ha emitido. Este es un ejercicio basado en entender las perspectivas de la empresa en el futuro y, por tanto, sus decisiones estratégicas, los posibles cambios regulatorios, las decisiones de los consumidores, la evolución de la economía… Para terminar de complicarlo, muchos de estos factores incorporan decisiones no racionales (no existe el Homo economicus) marcadas por sesgos de comportamiento difícilmente medibles o anticipables.

Predecir el precio de una acción es entender el complejo entramado de una empresa con su entorno (clientes, competidores, sistemas, reguladores, personas...). La dificultad que esto entraña ha llevado a que los analistas bursátiles se equivoquen a menudo al establecer precios objetivos (especialmente al predecir bajadas), con un 90% de fallos en sus recomendaciones.

Opinión

TE PUEDE INTERESAR

La inteligencia artificial: un cambio de paradigma

Alexander Benalal

Quizás los analistas no. Pero ¿y la Inteligencia Artificial? ¿No sabe Chat GPT de todo? Cualquier modelo de inteligencia Artificial debe entrenarse con datos (incluso en los modelos más avanzados como el Deep Reinforcement Learning). En base a este entrenamiento se crean los algoritmos o agentes capaces de realizar recomendaciones o incluso tomar decisiones. Sin embargo, en el entorno financiero no hay más remedio desarrollar este entrenamiento sobre escenarios de mercado pasados y medir los resultados con base en la rentabilidad económica. El problema de este enfoque es que el campo de juego puede cambiar radicalmente. Cada vez más, situaciones como la crisis de 2008 o la pandemia, por ejemplo, han modificado factores clave, como la actitud de los consumidores o la regulación, limitando la utilidad de los modelos entrenados en el pasado.

Pongamos como ejemplo los fondos automatizados basados en algoritmos (Quants) que fueron lanzados en 2009. Durante años, batieron a la media en casi un 10%, con algunos fondos como Renaissance Technologies obteniendo rentabilidades cercanas al 60%. Sin embargo, a partir de 2020 esa ventaja fue desapareciendo, con resultados inferiores al resto de fondos. ¿Qué sucedió? Simplemente es posible que, con la pandemia, el contexto cambiase y sus algoritmos, “entrenados” en el entorno previo, no pudieran adaptar con la suficiente rapidez.

TE PUEDE INTERESAR

La industria de la inteligencia artificial puede estar al borde del desastre

Aaron J. Snoswell

A pesar de estos resultados, la industria de fondos (en especial los hedge-funds) continúa invirtiendo en esta tecnología, buscando la fórmula que le permita conseguir sin esfuerzo unos puntos adicionales de rentabilidad. De hecho, cada vez hay más fondos asistidos o llevados íntegramente por una máquina. Según una encuesta, más del 50% de los fondos toman las decisiones de inversión basándose principalmente en sus algoritmos de IA. La industria está buscando que el ordenador les gane la partida.

Este enfoque presenta varias ventajas, pero dos inconvenientes fundamentales. El primero es que la medición de resultados de los modelos, siempre cuantitativa, y a menudo, monetarista; no incorpora condicionantes estratégicos, éticos o de personas. El segundo es que los modelos tienden a tomar decisiones más homogéneas que los humanos, fomentando el comportamiento de manada del mercado, su volatilidad y ciclicidad.

Estos factores presentan una oportunidad para inversores de largo plazo, con sentido común y sin miedo a invertir contra el consenso del mercado. Las oportunidades de obtener descuentos sobre valores fundamentales pueden ser mayores y más frecuentes. Pero esta estrategia requiere perspectiva, un amplio horizonte de inversión, experiencia multidisciplinar y dedicación. Es jugar a un juego diferente, al que los humanos todavía podemos ganar. Entendiendo “ganar” de una manera más amplia que la mera rentabilidad económica en el corto plazo.