A pesar del enorme progreso en muchos ámbitos, la IA sigue sin ser capaz de generar beneficios en los mercados financieros.
El análisis de investigaciones académicas sobre algoritmos de aprendizaje automático y previsión bursátil concluyó que la IA es actualmente inviable en el mundo real de la industria financiera.
Una combinación de IA y personas puede generar resultados sólidos, siempre que las decisiones de inversión se dejen en manos de humanos, escriben tres expertos.
La inteligencia artificial (IA) ya iguala o incluso supera con frecuencia a los humanos en ámbitos que antes se consideraban inalcanzables. Entre ellos se encuentran el ajedrez, los juegos de arcade, el Go, los coches autónomos, el plegamiento de proteínas y mucho más. Este rápido avance tecnológico también ha tenido un enorme impacto en el sector de los servicios financieros. Cada vez más directivos del sector declaran (de forma explícita o implícita) que dirigen “empresas tecnológicas con licencia bancaria”.
Asimismo, se observa un rápido surgimiento y crecimiento del sector de la tecnología financiera (fintech), en el que las startups tecnológicas desafían cada vez más a las instituciones financieras consolidadas en ámbitos como la banca minorista, los planes de pensiones o las inversiones personales. Así, la IA suele aparecer en procesos que funcionan entre bambalinas, como la ciberseguridad, la prevención del blanqueo de capitales, los controles de conoce a tu cliente o los chatbots.
Entre tantos casos de éxito, uno parece llamativamente ausente: la IA que genera beneficios en los mercados financieros. Aunque los algoritmos simples son de uso habitual entre los operadores, los algoritmos de aprendizaje automático o de IA son mucho menos frecuentes en la toma de decisiones de inversión. Pero como el aprendizaje automático se basa en analizar enormes conjuntos de datos y en encontrar patrones en ellos, y dado que los mercados financieros generan cantidades enormes de datos, parecería una combinación obvia. En un nuevo estudio, publicado en la International Journal of Data Science and Analytics, hemos arrojado algo de luz sobre si la IA es mejor que los humanos a la hora de generar beneficios.
Algunas empresas de inversión especializadas, denominadas fondos de cobertura quant (que significa ‘quantative’) afirman que emplean IA en su proceso de toma de decisiones de inversión. Sin embargo, no publican información oficial sobre su rentabilidad. Además, aunque algunos de ellos gestionan miles de millones de dólares, siguen siendo nichos y de reducido tamaño en relación con el conjunto de la industria de inversión.
Por otro lado, la investigación académica ha informado en reiteradas ocasiones de previsiones financieras muy precisas basadas en algoritmos de aprendizaje automático. En teoría, estas podrían traducirse en estrategias de inversión convencionales de gran éxito para el sector financiero. Y, sin embargo, eso no parece estar ocurriendo.
¿Cuál es la razón de esta discrepancia? ¿Se debe a una cultura arraigada entre los gestores o tiene que ver con las realidades prácticas de la inversión en el mundo real?
Las previsiones financieras de la IA
Analizamos 27 estudios revisados por pares, realizados por investigadores académicos y publicados entre 2000 y 2018. Estos describen distintos tipos de experimentos de previsión bursátil que utilizan algoritmos de aprendizaje automático. Queríamos determinar si estas técnicas de previsión podrían reproducirse en el mundo real.
Nuestra observación inmediata fue que la mayoría de los experimentos ejecutaban en paralelo múltiples versiones (en casos extremos, hasta cientos) de su modelo de inversión. En casi todos los casos, los autores presentaron su modelo de mejor rendimiento como el producto principal de su experimento, lo que significa que el mejor resultado se seleccionaba a conveniencia y se ignoraban todos los resultados subóptimos. Este enfoque no funcionaría en la gestión de inversiones del mundo real, donde cada estrategia solo puede ejecutarse una vez y su resultado es una ganancia o una pérdida inequívocas; no hay forma de deshacer los resultados.
Ejecutar varias variantes y presentar después la más exitosa como representativa sería engañoso en el sector financiero y posiblemente se consideraría ilegal. Por ejemplo, si ejecutamos tres variantes de la misma estrategia, con una que pierde un -40%, otra que pierde un -20% y una tercera que gana un 20%, y después solo mostramos la ganancia del 20%, es evidente que ese único resultado distorsiona el rendimiento del fondo. Solo debería probarse una versión de un algoritmo, que sería representativa de una configuración de inversión real y, por tanto, más realista.
Los modelos de los artículos que revisamos alcanzaron un nivel de precisión muy alto, de alrededor del 95 %, una cifra de enorme éxito en muchos ámbitos de la vida. Pero en la previsión de mercados, si un algoritmo se equivoca el 5 % de las veces, podría seguir siendo un problema real. Puede equivocarse de forma catastrófica, y no de forma marginal, lo que no solo borraría los beneficios, sino todo el capital subyacente.
También observamos que la mayoría de los algoritmos de IA parecían ser «cajas negras», sin transparencia sobre su funcionamiento. En el mundo real, esto difícilmente inspirará confianza a los inversores. Además, es probable que suponga un problema desde el punto de vista regulatorio. Y lo que es más, la mayoría de los experimentos no tuvo en cuenta los costes de negociación. Aunque estos llevan años disminuyendo, no son nulos y podrían marcar la diferencia entre beneficio y pérdida.
Ninguno de los experimentos que analizamos tuvo en cuenta la normativa financiera vigente, como la directiva jurídica de la UE MiFID II ni la ética empresarial. Los propios experimentos no llevaron a cabo ninguna actividad poco ética —no pretendían manipular el mercado—, pero carecían de un elemento de diseño que garantizara explícitamente que fueran éticos. En nuestra opinión, los algoritmos de aprendizaje automático y de IA en la toma de decisiones de inversión deberían cumplir dos conjuntos de normas éticas: que la propia IA sea ética, y que la toma de decisiones de inversión sea ética, teniendo en cuenta consideraciones ambientales, sociales y de gobernanza. Esto impediría, por ejemplo, que la IA invirtiera en empresas que puedan dañar a la sociedad.
Todo ello significa que las IA descritas en los experimentos académicos eran inviables en el mundo real de la industria financiera.
¿Son mejores los humanos?
También quisimos comparar los logros de la IA con los de los profesionales de la inversión humanos. Si la IA pudiera invertir tan bien como los humanos o mejor, eso podría anunciar una enorme reducción de empleos.
Descubrimos que el reducido número de fondos basados en IA cuyos datos de rendimiento se publicaron en fuentes de datos de mercado de acceso público generalmente tuvieron un rendimiento inferior al del mercado. Por ello, concluimos que en la actualidad existe un argumento muy sólido a favor de los analistas y gestores humanos. A pesar de todas sus imperfecciones, las pruebas empíricas sugieren con firmeza que los humanos están actualmente por delante de la IA. Esto puede deberse en parte a los eficaces atajos mentales que tomamos las personas cuando debemos tomar decisiones rápidas en condiciones de incertidumbre.
En el futuro, esto podría cambiar, pero aún necesitamos pruebas antes de pasar a la IA. Y en el futuro inmediato, creemos que, en lugar de enfrentar a humanos e IA, deberíamos combinar ambos. Esto significaría integrar la IA en herramientas analíticas y de apoyo a la decisión, pero dejar la decisión final de inversión en manos de un equipo humano.
