Vocento 15 años 18 de Noviembre, 09:13 am

Finanzas.com

Recordar mis datos | ¿Olvidaste tu contraseña?

Tecnología

Por qué los ordenadores aún no pueden robarnos el trabajo

Nishant Kumar / Taylor Hall

El mundo financiero ve el futuro en la inteligencia artificial, pero no es tan fácil sacarle partido

Anthony Ledford y sus compañeros de Man AHL pasaron tres duros años diseñando un sistema de aprendizaje automático que pudiera dar por sí mismo con ideas innovadoras de inversión con una avalancha de datos. Lo emplearon para diversificar el fondo AHL Dimension, que ha arrojado un resultado del 7,1 por ciento anualizado en los últimos tres años, hasta septiembre, frente al 3,2 por ciento de media del fondo de cobertura. Pero Ledford, el responsable científico del gestor de fondos, no puede ocultar su gesto de desaprobación cuando oye comentar que el aprendizaje automático, un tipo de inteligencia artificial, va a transformar la forma de invertir. «Esto tiene una parte real de ciencia, pero no es como se pinta», afirma. «Una parte es puro marketing, y esa es la parte que no me gusta».

Los fondos de cobertura, tras ocho duros años de rentabilidades por debajo de la media, están apostando por el aprendizaje automático como respuesta a sus problemas. Algunos gigantes como Bridgewater Associates y otras compañías más pequeñas, como Highbridge Capital Management están desarrollando sistemas de aprendizaje automático o invirtiendo en ello. El cincuenta y ocho por ciento de los gestores que participaron en una encuesta realizada por KPMG afirmaron que tendrá un impacto medio o alto sobre la forma de operar de los fondos de cobertura. Jeffrey Tarrant, director ejecutivo de Protégé Partners, afirma que el aprendizaje automático y los datos podrían afectar a la gestión de fondos tanto como Uber al sector del transporte. 

Pero se requiere una inversión considerable de tiempo y dinero, y una elevada tolerancia a los fallos. Martin Froehler, antiguo analista cuantitativo senior en Superfund Asset Management y fundador de Quantiacs, un mercado de sistemas de trading cuantitativo, afirma que desde su experiencia, la tasa de error en las pruebas con algoritmos de aprendizaje automático en tiempo real está cercana al 90 por ciento. «Hay un número infinito de formas de equivocarse», afirma.
«Me preocupa que la gente pueda tener unas expectativas poco realistas sobre lo que se puede hacer con la tecnología actual», afirma David Siegel cofundador de Two Sigma Investments, en una convención de Bloomberg celebrada en septiembre. Siegel estudió inteligencia artificial en MIT y se muestra impresionado con sus resultados en muchos ámbitos, pero advierte: «Los sistemas de aprendizaje automático pueden cometer errores fácilmente y de forma constante».

Cómo seguir los gráficos 

Douglas Greening, director del fondo de cobertura Florin Court Capital, dice que un buen trader humano normalmente superará los resultados de un algoritmo en un mercado. La ventaja de la tecnología es su capacidad para cotejar patrones entre cientos de mercados, mientras que los humanos solo pueden gestionar varias docenas de posiciones a la vez. «Si se opera en 300 mercados las 24 horas, no es posible seguir todos los gráficos». Pero la inteligencia artificial sí puede. Para emplear una estrategia automática, los inversores pueden elegir entre un amplísimo abanico de valores y datos que pueden afectar a sus precios. El gestor establece un objetivo de resultados y dirige el software a buscar patrones, quizás una prima de riesgo de impago determinada junto con una inclinación concreta en la curva de rentabilidad del mercado de bonos, que parezca predecir una rentabilidad. Encontrar estas «señales» para apostar es la esperanza de cualquier gestor de fondos cuantitativo.

Algunos de estos sistemas acaban descarrilando porque sus autores permiten que sus ordenadores campen a sus anchas con libertad con demasiados datos. Estas búsquedas sin estructurar pueden generar patrones que carecen de sentido. Si el Producto Interior Bruto de EE.UU. y el índice S&P500 resulta que siguen la pauta de la tasa de criminalidad de Inglaterra, por ejemplo, es poco probable que ese patrón azaroso se vaya a repetir, o que pueda ofrecer una fórmula de éxito en la inversión. Podemos encontrar otras correlaciones que no sean un error tan obvio como este, pero que no respondan más que al mero azar.

Los traders cuantitativos también se pueden desplomar por complicar sus modelos, añadiendo demasiados parámetros. Tucker Balch, informático, cuya compañía Lucena Research, desarrolla sistemas de aprendizaje automático para fondos de cobertura, encontró una estrategia que contaba con un retorno increíblemente ajustado al riesgo en test hipotéticos. Pero no funcionó bien en el mercado en tiempo real, porque se basaba en compras masivas de renta variable poco cotizada. Una vez lanzada la compra, los precios subieron rápidamente, impidiendo completar la orden al precio objetivo. «No conocer tu mercado afecta a tu riesgo», afirma Balch.

Esta estrategia también tiene dificultades para gestionar acontecimientos imprevistos, como el 'Brexit' o ataques terroristas. No existen datos históricos suficientes sobre dichos acontecimientos para diseñar un modelo válido sobre cómo ocurrirá o cómo afectará al mercado. «El mejor creador de modelos puede ser el hombre del tiempo; todo lo que propone son probabilidades», afirma Joseph Mezrich, director general de Nomura Securities International. «Algunos problemas son como los terremotos. Son fundamentalmente impredecibles».

publicidad
publicidad
publicidad